Skip to main content
main-content

14.06.2021 | Anlageberatung | Nachricht | Online-Artikel

Machine Learning testet Seriosität von Anlageberatern

verfasst von: Angelika Breinich-Schilly

2 Min. Lesedauer
share
TEILEN
print
DRUCKEN
insite
SUCHEN

Welcher Broker oder Anlageberater ist ehrlich und wer neigt zu betrügerischem Verhalten? Von Forschern der Frankfurter Goethe-Universität entwickelte Machine-Learning-Modelle geben nun Aufschluss über die Glaubwürdigkeit in der Finanzberatung. 

Die Deutschen haben im Pandemiejahr 2020 Aktien und Fonds für sich als Geldanlage entdeckt. Insgesamt floss Kapital in Höhe von 49 Milliarden Euro in Wertpapier, zeigte jüngst eine Analyse von ING Deutschland und Barkow Consulting. Viele dieser Privatanleger bauen bei ihren Investmententscheidungen auf den Rat von Profis. Doch Anlage- und Finanzberater agieren dabei nicht immer ohne Eigeninteresse. Das kann im Erstnfall nicht nur den Kunden finanziell schädigen, sondern lässt auch das Vertrauen in das Finanzsystem bröckeln.

Wirtschaftsexperten der Goethe-Universität haben für eine Studie Machine-Learning-Modelle entwickelt, mit denen sich die Seriosität der Profile von Finanzberatern in sozialen Netzwerken überprüfen lässt. Als Grundlage dienten den Forschern Daten von US-amerikanischen Brokern und Anlageberatern. "Diese zeigen, dass von Finanzintermediären selbst veröffentlichte Informationen in beruflichen sozialen Netzwerken dafür genutzt werden können, unseriöse Akteure zu identifizieren", heißt es. 

Algorithmen untersuchen Profile in sozialen Netzwerken 

Die Experten gingen dabei von der wirtschaftspsychologischen Theorie aus, dass sich vertrauenswürdige Personen kohärent verhalten. Im Klartext: Sie agieren auch in sozialen Netzwerken, in denen sie berufsmäßig ihre persönlichen Informationen darstellen, vertrauenswürdig, bluffen nicht oder zumindest weniger. Wer dagegen sein Profil auf Xing oder LinkedIn besonders aufbläst, neigt auch im Beratungsalltag eher zu betrügerischem Verhalten. Weniger aussagekräftig ist laut Studie hingegen eine Registrierung bei Aufsichtsbehörden, für die sich die Finanzberater professionell ausweisen müssen. 

Im Detail stellte das Forscherteam um den Wirtschaftsinformatiker Peter Gomber, die Profile der Finanzprofis mittels selbstlernender Algorithmen in Korrelation zu Datenbanken aufgedeckter Betrugsfälle, die die US-Aufsichtsbehörde veröffentlicht hat. Die Machine-Learning-Modelle zeigten ein klares Muster: 

Informationen in beruflichen sozialen Netzwerken sind vor allem dann für die Klassifizierung von fehlverhaltenden und nicht fehlverhaltenden Finanzintermediären von Bedeutung, wenn sie durch andere Netzwerkakteure bestätigt werden – vor allem durch Behörden, die Informationen zum vergangenen Verhalten der Intermediäre offenlegen. Informationen, die für die externe Verifizierung der Profilinformationen genutzt werden können, können nämlich nur schwer manipuliert werden und sind somit besonders aussagekräftig bzw. helfen, Unstimmigkeiten zwischen Profilinformationen und behördlichen Informationen aufzudecken", erläutern die Frankfurter Wirtschaftswissenschaftler.

Studienergebnisse dienen der Finanzaufsicht für eigene Modelle

Finanzmarktkontrolleure können die Erkenntnisse der Forscher, die für ihre Arbeit von der Fachzeitschrift "Journal of the Association for Information Systems" ausgezeichnet wurden, eigene Modelle zur Finanzmarktüberwachung erweitern oder diese für das Training nutzen und Modelle damit effizienter machen. So ließen sich laut unseriöse Broker und Anlageberater früher erkennen, besser kontrollieren und Betrug sowie anderes Fehlverhalten vorbeugen.

share
TEILEN
print
DRUCKEN

Weiterführende Themen

Die Hintergründe zu diesem Inhalt

Das könnte Sie auch interessieren

Premium Partner