Price and Sentiment Analysis: Why is Bitcoin Going Down?

Bitcoin Price and Sentiment Analysis with variable Moving Average: click to open interactive Tableau dashboard with annotations
Bitcoin Price and Sentiment Analysis with variable Moving Average: click to open interactive Tableau dashboard with annotations

Bitcoin has become one of the trendy investment assets in the recent years. Whenever bitcoin prices approach historical highs, every investor should watch the currency closely. Bitcoin rallied by more than 20% in the first days of 2017, crossing the $1000 mark for the first time since November 2013.

As many experienced bitcoin traders will remember, the first $1000 peak was a case of obvious over exuberance. Bitcoin was hot, plenty of money was pouring into it. Bitcoin investors got too excited, causing a price surge. Prices then rebounded and suffered a long-term collapse shortly after.

Moving Average Convergence/Divergence Indicator

Many traders rely on a Moving Average Convergence/Divergence (MACD) indicator. The MACD is a measure of the convergence and divergence between two EMAs (usually 12 and 26 days) and is calculated by subtracting the two of them. The signal line is constructed by creating an EMA (usually 10 days) of the signal line.

The signal line crossing the MACD from above is a buy signal. The signal line crossing the MACD from below is a sell signal. Relying only on momentum-based indicators (such as the MACD) and optimization-based models, however, will most certainly fail to indicate heavy price drops, as the drop in late 2016.

Predicting Fear with Sentiment Analysis

In late 2016 a lot of people began to pour money into bitcoin again. This time because they were worried that stock markets and other assets were due for a drop. For investors, it is essential to figure out whether or not these fears are actually founded. However, such “safe assets” are prone to suffering from bubbles. People get scared, get invested into gold, or bitcoin, then realize that their fears were unfounded. As a result bitcoin prices could plummet.

So how to catch emotions such as fear in advance? Twitter is a valuable source of information and emotion. It certainly influences the stock market and can help to predict the market. Sentiment analysis can lead price movements by up to two days. Negative sentiment, however, is reflected in the market much more than positive sentiment. This is probably because most people tweet positive things about bitcoins most of the time. Even more positive news occurred after breaking the $1000 barrier.

 
This content is part of the session “Price and Sentiment Analysis: Why is Bitcoin Going Down?” that I deliver at the Frankfurt Bitcoin Colloquium. Have a look on my upcoming sessions!

Feel free to share the Bitcoin Price and Sentiment Analysis dashboard, which is also featured as Viz of the Day on Tableau Public:

Digitale Banken: Die Zukunft des Privatkundengeschäfts und der Vermögensverwaltung

Interaktive Portfolio-Übersicht mit Tableau
Interaktive Zusammenstellung eines Portfolios mit automatischer Gewichtung auf Grundlage der Sharpe-Ratio

Vor gut einem Jahr habe ich mit dem Blog-Post “Digitale Banken: Welche Anforderungen bringt die Digitalisierung?” einige Ideen aufgezeigt, wie sich Banken die Digitalisierung zu Nutze machen können. Die Motivation ist meist die Steigerung des Umsatzes, Kostenersparnis und die Erschließung neuer Märkte. Die Herausforderungen sind nach wie vor schwindenden Zinserträge, härtere regulatorische Vorschriften, erhöhter Wettbewerb und anspruchsvolle Kunden.

Seither war ich an vielen weiteren Projekten im Finanzwesen beteiligt und sehe, dass besonders das Privatkundengeschäfts und die Vermögensverwaltung von der Digitalisierung profitieren. Dabei habe ich drei Kernbereiche ausgemacht, die ich nachfolgend etwas mehr in den Fokus rücken möchte.

1. Payment und Zahlungsverkehr

Vielen Menschen fällt es schwer sich die sperrige IBAN zu merken. Die Email-Adressen, die Handynummer und den Fingerabdruck haben die meisten allerdings immer parat. Neue technische Möglichkeiten treffen so auf veränderte Verbraucherbedürfnisse. Zahlungen werden immer häufiger mit dem Smartphone abgewickelt – ohne Eingabe einer IBAN. Zahlungen werden schneller – kein ganzer Tag vergeht zwischen Kontobelastung und Gutschrift, sondern nur wenige Sekunden.

Außerdem werden Zahlungen dezentral. Dazu befasst sich der Finanzsektor zunehmend mit der Blockchain-Technologie (wie hier die Deutsche Bank), mit welcher nicht nur Überweisungen sondern auch Wertpapierhandel möglich sind. Insbesondere große Institute tun sich mit der Blockchain-Technologie allerdings schwer, da die zentrale Kontrolle des Zahlungsverkehrs auch als Instrument zur Kundenbindung verstanden wird.

2. Finanzierung und Kreditvergabe

Bei der Finanzierung und Kreditvergabe stehen neue/bessere Algorithmen im Mittelpunkt. Mit diesen möchte man stets folgende Fragen beantworten: Wie lässt sich der Credit Score optimal ermitteln? Wie empfehlen wir unseren Kunden proaktiv das richtige Finanzprodukt?

Die Konstruktion von Entscheidungsbäumen, eine Form des Maschinellen Lernens, ist für solche Algorithmen eine tragende Säule. Hierbei ist es ratsam die Ergebnisse immer wieder zu kontrollieren und gegebenfalls über Parameter die Gewichtung bestimmter Variablen zu korrigieren. Sonst kann es womöglich passieren, dass einem Gutverdiener der Dispo gestrichen wird, weil sein Gehaltseingang nicht als solcher erkannt wird; oder einem Rentner ein Bausparvertrag angepriesen wird, weil sein Social-Media-Profil einen solchen Bedarf vermuten lässt.

3. Beratungsplattformen für die Vermögensanlage

Zu Zeiten der Null-Zins-Politik ist bei der Vermögensanlage zunehmend Kreativität gefragt. Diese lässt sich schwer in starren Systemen aus dem Zeitalter der Mainframes abbilden. Stattdessen lassen sich Anlagestrategien aus unterschiedlichen Blickwinkeln mit Analytics-Anwendungen, wie Tableau (“Datenanalyse für Banken“), beleuchten und sich ggf. um quantitative Funktionalität aus R anreichern.

Beispielsweise lässt sich mit Hilfe der Sharpe-Ratio interaktiv eine optimale Portfolio-Gewichtung berechnen, und die Williams-Percent-Range als Indikator für Chart-Trends nutzen. Ein solcher Self-Service-Gedanke passt zur Unternehmenskultur der Datendemokratisierung und lässt auch die Mitarbeiter aus Vertrieb und Beratung an der Digitalisierung teilhaben.

 

Alle hier gezeigten Beispiele sind echten Szenarien nachempfunden. Die Portfolio-Optimierung kann als Tableau Packaged Workbook (twbx) hier heruntergelanden werden, und benötigt Tableau mit R-Integration. Auch hierzu freue ich mich wieder über Feedback, Fragen und Anregungen…

Quantitative Finance Applications in R

Do you want to do some quick, in depth technical analysis of stock prices?

After I left CERN to work as consultant and to earn an MBA, I was engaged in many exciting projects in the finance sector, analyzing financial data, such as stock prices, exchange rates and so on. Obviously there are a lot of available models to fit, analyze and predict these types of data. For instance, basic time series model arima(p,d,q), Garch model, and multivariate time series model such as VARX model, state space models.

Although it is a little hard to propose a new and effective model in a short time, I believe that it is also meaningful to apply the existing models and methods to play the financial data. Probably some valuable conclusions will be found. For those of you who wish to have data to experiment with financial models, I put together a web application written in R:

TSLA
Quantitative Finance Analysis in R (click image to open application)

5 Vorteile von Data Science

Deutschherrnbrücke mit Skyline von Frankfurt am Main
Nicht nur Banken handeln ihre Daten als Gold des 21. Jahrhunderts

Keine Frage, die Digitalisierung prägt unseren Alltag und stellt auch an Banken immer neue Anforderungen. Daten werden als das neue Gold gehandelt. Und genau darin liegt die große Chance der Banken: Finanzinstitute hatten schon immer enorme Mengen an Daten, oft aus vielen verschiedenen Quellen. Aber wie wird das volle Potenzial dieser Daten genutzt und wie werden Erkenntnisse aus diesen gewonnen? Hier kommt Data Science ins Spiel.

Wie gewinnen Sie Erkenntnisse aus Ihren Daten?

Data Science verwendet Methoden aus der Mathematik, Statistik und Informationstechnologie. Data Scientists verfügen darüber hinaus über ausgeprägte Kommunikationsfähigkeiten auf sämtlichen Ebenen eines Unternehmens und bereiten Ergebnisse für das Management der einzelnen Fachabteilungen genauso verständlich auf wie für den CEO. Banken können dazu neben Kontoinformationen auch Kundentransaktionen, Kundenkommunikation, Kanalnutzung, Kundenverhalten und Social-Media-Aktivitäten. Vieles davon wird idealerweise nahezu in Echtzeit verarbeitet und ausgewertet.

Der Daten-Leverage-Effekt:

Da der Bankensektor weiterhin mit knappen Margen und und schwindendem Gewinn zu kämpfen hat, ist es für Finanzinstitute äußerst wichtig einen Hebel anzulegen, um Kosten zu reduzieren, Kunden zu binden und neue Einnahmequellen zu erschließen. Einen solchen Daten-Leverage-Effekt erzielen Sie mit ihren Daten – sofern Sie auf Data Science und damit einhergehend auf eine erweiterte Analyse setzen.

Betrachten Sie diese fünf Vorteile:

  1. Bessere Erkenntnisse: Gewinnen Sie eine neue Sicht auf Ihre treuesten und profitabelsten Kunden und verstehen Sie deren Bedürfnisse bereits vor dem Kundengespräch. Datenanalyse kann helfen, den Überblick zu behalten und Vorschläge für entsprechende Kommunikationskanäle zu liefern.

  2. Kundenbindung: Sorgen Sie für zufriedenere Kunden und finden Wege treue Kunden zu belohnen. Zudem lassen sich Kunden identifizieren, die ggf. eine Kündigung erwägen. Führen Sie dazu die Metriken “Loyalität” und “Churn” ein, um hierfür ein Messinstrument zu haben.

  3. Kostengünstiges Marketing: Entwickeln Sie effektives Marketing und Kampagnen, die an die richtige Person zur richtigen Zeit ausgerichtet sind. Dabei hilft Ihnen eine Cluster-Analyse, um Kundensegmente zu identifizieren.

  4. Minimieren von Risiken: Beschleunigen und verbessern Sie Ihr Risiko- und Fraud-Management durch Mustererkennung und Maschinenlernen.

  5. Handeln Sie: Behalten Sie Ihr Dashboard mit den wesentlichen Kennzahlen im Auge und ergreifen Maßnahmen, deren Auswirkung Sie zeitnah beobachten können. Nutzen Sie die Daten und Vorhersagen als Kernelement für Ihre Storyboards mit denen Sie das Top-Management überzeugen.

Nutzen Sie bereits die richtigen Werkzeugen zur Datenanalyse und Datenvisualisierung in Ihrem Unternehmen? Falls nicht, wäre es nun an der Zeit über den Einsatz von Data Science nachzudenken.

Beitrag zuerst veröffentlicht am 19.06.2015 im Capgemini IT-Trends-Blog.

Digitale Banken: Welche Anforderungen bringt die Digitalisierung?

Skyline von Frankfurt am Main
Skyline von Frankfurt: Verpassen Banken den Sprung zur Digitalen Bank? (Foto: Flickr)

Retail-Banken stehen bereits in direktem Wettbewerb mit Nicht-Banken. Apple, Google und Paypal stoßen längst in das Privatkundengeschäft der Banken vor, rücken dabei die Kunden in den Mittelpunkt, lösen Banking von klassischen Mustern und schaffen neue Interaktionsmöglichkeiten. Authentifizierung erfolgt per Fingerabdruck und Pulsmessung, der Datenabgleich per Nahfeldkommunikation (NFC) und die Buchung erscheint in Echtzeit auf dem Smartphone oder der Apple Watch.

Diese neuen Player kommen mit ihren disruptiven Innovationen zu einer Zeit, die ohnehin Banken weltweit vor massive Herausforderungen stellt: ein wohl noch lange anhaltendes niedriges Zinsniveau, hoher Kostendruck, zunehmende Regulierung und schwindendes Vertrauen der Kunden. Ethikkodizes zeigen hier bislang keine wirkliche Abhilfe. Stattdessen sollten Retail-Banken selbst den Schritt zur digitalen Bank machen – und das besser früher als später, nicht unkoordiniert nach dem Gießkannenprinzip, sondern mit einer digitalen Strategie.

Das Beste aus zwei Welten

Digitale Banken können Vorteile aus zwei Welten vereinen: einerseits einen klaren Kundenfokus, die Optimierung des Filialnetzes und Transparenz  in der Außendarstellung, andererseits die Integration der Vertriebskanäle und ein effizientes und effektives Geschäftsmodell in der Innenbetrachtung – beides ermöglicht durch die Digitalisierung und den dazugehörigen Technologien, Prozessen und Organisationsstrukturen. Die damit einhergehenden Aufgaben werden allerdings nur jene Banken erfolgreich meistern, deren Management einen weitreichenden kulturellen und strategischen Wandel einleitet und auch Digital Natives bei der Entwicklung und Umsetzung intensiv mit einbezieht.

Es handelt sich dabei um einen Irrtum, dass der Digitalisierung mit der Entwicklung von Apps Genüge getan wäre. Sicher ist es wünschenswert, dass Kunden ihren Sparplan per Schieberegler auf verschiedene Fonds aufteilen können oder in Echtzeit per Push Notification über Zahlungseingänge, Orderausführungen und Kreditkartenbelastungen informiert werden. Doch dies allein wird nicht für den Ausbau des Geschäfts reichen. Vielmehr müssen sich auch die darunter liegende Geschäftsmodelle ändern. In der digitalen Welt gelten Modelle mit Sockel- oder Grundgebühren als überholt. Schließlich fallen bei Ordererteilung via Smartphone keinerlei manuelle und somit kostenintensive Tätigkeiten an.

Neubau der Europäischen Zentralbank (EZB)
Neubau der Europäischen Zentralbank (Foto: Flickr)

Das Multi-Channel-Erlebnis und Crowd Investment

Um das Geschäftsmodell konsequent an den Kunden auszurichten, ist neben dem Erweitern bestehender Dienstleistungen auch eine nahtlose Integration der Vertriebskanäle erforderlich. Die Bankfilialen können mit längeren Öffnungszeiten punkten. In urbanen Zentren bietet sich zudem die Einrichtung von Flagship Stores an. Bei der Beratung stehen die Kunden im Fokus, und nicht die vorgegebenen Vertriebsziele. Unterstützt werden die Kundenberater dabei mit analytischen Tools, die in Echtzeit die Finanzsituation des Kunden voraussagt und zum Beispiel verschiedene Varianten der Baufinanzierung oder das Fremdwährungsrisiko bestimmter Investmentoptionen auf einem Tablet grafisch aufzeigt.

Informationen, die die Kunden preisgeben, werden in einem Customer Relationship System (CRM) gespeichert, und zwar vom Vertriebskanal unabhängig. Auf der anderen Seite bekommen Kunden auf den Online-Portalen stets maßgeschneiderte Empfehlungen. Eine Chatfunktion ermöglicht die persönliche Beratung auch jenseits der Öffnungszeiten. Das kommt insbesondere der attraktiven Zielgruppe der hochvermögende Personen, sogenannte High Net Worth Individuals (HNWI), entgegen, da dieser Personenkreis sehr informationsaffin ist und sich nicht selten erst spät abends oder sonntags neuen Investitionsmöglichkeiten widmet.

Eine entsprechende Community bietet ein Forum für den Austausch der Kunden unter einander. Werden in einem solchen Forum Aktien, Fonds oder Basisprodukte genannt, so werden diese automatisch zu den entsprechenden Angeboten der Bank verlinkt. Einen Schritt weiter geht der Ansatz des Crowd Investments, bei dem sich Kunden den Entscheidungen anderer Anleger anschließen und so beispielsweise Umschichtungen im Depot automatisiert vollzogen werden. Zusätzliche Motivation könnte hierbei durch Gamification in Form von Rankings und Awards geschaffen werden, wie es heute schon bei Fitness-Plattformen üblich ist.

Die Zukunft nicht verpassen

Heute stehen einem solchen Kundenerlebnis häufig IT-Systeme gegenüber, die Daten in abgeschotteten Silos halten und die direkte Verknüpfung, Aggregation und Auswertung somit erschweren. Diese Hürden gilt es zu beseitigen, um die Grundlagen der Digitalisierung zu legen. Verpassen die Banken den Sprung zur Digitalen Bank, werden andere Marktteilnehmer diese Lücken füllen. Die zurückbleibenden Banken müssen sich auf eine Abwanderung von Kunden und sinkende Erträge einstellen. Wie schnell das gehen haben, haben schon andere Branchen leidvoll erfahren müssen. Vor nicht allzu langer Zeit wurden noch Milliarden mit Nokia-Telefonen und dem Versenden von Kurzmitteilungen (SMS) umgesetzt. Beides fand ein sehr schnelles Ende…

Was meinen Sie? Sehen Sie Ihre Bank den Anforderungen der Digitalisierung gewachsen? Ich freue mich darauf, mit Ihnen zu diskutieren.

Beitrag zuerst veröffentlicht am 27.03.2015 im Capgemini IT-Trends-Blog.