Social Trading ist heutzutage eine der innovativsten und spannendsten Möglichkeiten am Finanzmarkt teilzunehmen. In den letzten 10 Jahren hat sich der Markt für Social Trading Plattformen und Netzwerke rasant entwickelt. Per Januar 2016 existierten weltweit über 30 solcher Plattformen mit mehreren Millionen von registrierten Nutzern und Milliarden Dollar investiertem Vermögen.
Social Trading basiert auf dem Prinzip des Austausches von Investmentideen, beziehungsweise, dem Folgen und Kopieren von Investmentstrategien der anderen Teilnehmer. Dabei vertraut man auf die sogenannte Schwarmintelligenz oder die Weisheit der Masse, laut welcher Gruppen oft bessere Entscheidungen als deren einzelne Mitglieder für sich alleine tref-fen (s. Surowiecki (2005)). Auf Social Trading Plattformen trägt somit jeder Teilnehmer eine kleine Teilinformation bei, so dass die Summe der Informationen dann zu besseren Entscheidungen führt.
Im Rahmen dieses Forschungsprojektes soll untersucht werden, inwiefern diese Totalinformation bzw. die breite Meinung der Social Trading Teilnehmer dazu genutzt werden kann, zuverlässige Vorhersagen für die zukünftige Entwicklung des Marktes zu generieren und somit positive Gewinne zu erwirtschaften. Insbesondere sollen dabei die Determinanten eines erfolgreichen Folgens der breiten Masse der Social Traders analysiert werden. Die Anzahl der Trader, denen man folgt, Rationalität sowie die Aufmerksamkeit der Investoren, aber auch die oft eintretende Verhaltensmuster und Verzerrungen können dabei eine entscheidende Rolle spielen. Mehrere Studien haben bereits gezeigt, dass sogenannte kognitive Behavioral Biases, wie z.B. der Availability Bias, Overconfidence, Mental Accounting oder Herding Behaviour, einen signifikanten Effekt auf die Investitionsentscheidung und somit auch auf die Portfoliorendite haben (z.B. Pompian (2012)).
Weiterhin soll erforscht werden, unter welchen Bedingungen Gruppenintelligenz am besten funktioniert, weil nicht alle Gruppen in ähnlicher Weise handeln bzw. nicht immer gleich rational handeln. Als Beispiele hierfür können aufgebrachte Menschenmengen oder Panikverkäufe von Investoren nach einem Börsencrash genannt werden. Im Rahmen dieser Untersuchung sollen bestimmte Muster, wie z.B. Marktphasen, für mangelhafte Gruppenintelligenz aufgedeckt und sich daraus resultierende Indikatoren hergeleitet werden.
Obige und weitere in diesem Zusammenhang relevante Fragestellungen sollen mit Hilfe von „big data“, also großen Datensätzen von Social Trading Plattformen wie z.B. eToro oder ayondo , sowie verschiedenen Marktdaten beantwortet werden. Zusätzlich sollen Indikato-ren, die einen Einfluss auf das Verhalten und Entscheidungen von Investoren haben könnten, bei der Untersuchung herangezogen werden. Zu diesen gehören, zum Beispiel, der Volatilitätsindex VIX , häufig auch „Angstbarometer“ genannt, der Sentiment Index von StockPulse , welcher einen Trendsignal aus der Stimmung in den Nachrichten herleitet, oder auch der Google Search Volume Index, welcher das Suchvolumen für bestimmte Begriffe auf der Google Trends Webseite angibt und oft als Indikator für die Aufmerksamkeit der Investoren verwendet wird. Eine weitere interessante Datenquelle stellt der Investor Sentiment Survey der American Association of individual investors dar, welcher die Meinungen der Investoren über die Aktienmarktentwicklung in den nächsten sechs Monaten auf wöchentlicher Basis misst. Dabei wird der Anteil von Investoren, die einen steigenden, neutralen oder stagnierenden Markt erwarten, in Prozent angegeben. Ähnliche Indikatoren sind auch für den europäischen Raum verfügbar.
Die Verfügbarkeit von Big Data und Sentiments erlaubt gezielt das Verhalten von Investoren sowie deren Investitionsentscheidungen zu analysieren und so zum besseren Verständnis von Finanzmarktdynamiken beitragen. Die Ergebnisse dieser Studie sind somit sowohl für die internationale Forschungsgemeinschaft als auch für die Teilnehmer des Social Tradings sowie die Betreiber von Social Trading Plattformen von großer Bedeutung und Relevanz. So würde die Bestimmung von Erfolgsdeterminanten der Investitionsentscheidungen basierend auf der Meinung der anderen User von Social Trading Plattformen die Entscheidung der Investoren erleichtern bzw. die Risikowahrnehmung verbessern. Weiterhin könnte ein verbessertes Verständnis für die Determinanten von Investor Sentiment unser Verständnis für die Entstehung von Finanzkrisen erhöhen. Dynamiken innerhalb der Masse sind insb. bei Finanzkrisen von Bedeutung. Auch ist es auf Finanzmärkten schwieriger gegen den Strom als mit dem Strom zu schwimmen. Das Forschungsprojekt ermöglicht es, zu überprüfen, wie Investoren auf gewisse Neuigkeiten reagieren. Auch aus der regulatorischen Sicht bzw. für Verbraucherschützer sind diese Forschungsfragen für die Beurteilung der Risiken für Investoren entscheidend. So beobachten bereits die US und UK Finanzaufsichtsbehörden die rasante Entwicklung von Social Trading Plattformen mit Wachsamkeit , was die Aktualität des Forschungsprojektes unterstreicht. Insbesondere wird dabei das Bewusstsein für Risiko und die Effizienz der Finanzentscheidungen, die auf den Social Media basieren, hinterfragt. Eine Fragestellung, die den Kern unseres Forschungsprojektes bildet.