Team aus Göttingen und Frankfurt erarbeitet robustes System zur Erkennung von Markmanipulationen
Soziale Medien werden zunehmend dafür genutzt, um gezielt Falschnachrichten zu streuen. Auch an Kapitalmärkten besteht dieses Problem – Kriminelle verbreiten Fake News zu Unternehmen, um beispielsweise Aktienkurse zu manipulieren. Wirtschaftswissenschaftler der Universitäten Göttingen und Frankfurt sowie dem Jožef Stefan Institute in Ljubljana haben nun ein Modell entwickelt, mit dem solche Falschnachrichten erkannt werden können, auch wenn sie immer wieder angepasst werden. Die Ergebnisse der Studie sind in der Fachzeitschrift Journal of the Association for Information Systems erschienen.
Um Falschinformationen – häufig fiktive Sachverhalte, die ein Unternehmen in positivem Licht erscheinen lassen – zu erkennen, erstellten die Wissenschaftler mittels Verfahren des Maschinellen Lernens Modelle, mit denen verdächtige Nachrichten anhand der Nachrichteninhalte und weiterer theoriebasierter linguistischer Merkmale identifiziert werden können. „Hier wird auf weitere Aspekte des Nachrichtentextes geschaut, wie etwa die Verständlichkeit der Sprache und die Stimmung, die der Text vermittelt“, sagt Prof. Dr. Jan Muntermann von der Universität Göttingen. Grundsätzlich ist der Ansatz zum Beispiel von Spam-Filtern bekannt. Jedoch existiert bei bestehenden Ansätzen ein zentrales Problem: Damit ihre Nachrichten nicht mehr erkannt werden, passen Betrügerinnen und Betrüger ihre Nachrichteninhalte kontinuierlich an und vermeiden bestimmte Wörter, anhand derer die Fake News identifiziert werden. Hier setzt das neue Verfahren der Wirtschaftswissenschaftler an: Um Fake News trotz solcher Umgehungsstrategien zu erkennen, kombinieren sie hohe Erkennungsraten mit einer hohen Robustheit. Auch wenn also „verdächtige“ Wörter aus dem Text genommen werden, werden die Fake News trotzdem anhand ihrer linguistischen Merkmale erkannt. „Betrüger stehen damit vor einem Dilemma. Sie können einem Aufdecken nur entgehen, wenn Sie die Stimmung des Textes zum Beispiel ins Negative ändern“, ergänzt Dr. Michael Siering von der Goethe-Universität Frankfurt, „dann würden sie jedoch das Ziel verfehlen, andere Marktteilnehmer beispielsweise zum Aktienkauf zu verleiten“.
Das neue Verfahren kann beispielweise bei der Marküberwachung eingesetzt werden, um den Handel betroffener Wertpapiere zeitweise auszusetzen. Zum anderen bietet es Anlegerinnen und Anlegern wertvolle Hinweise, um auf entsprechende Betrugsszenarien nicht mehr hereinzufallen. Ebenso ist ein Einsatz in der Strafverfolgung denkbar.
www.uni-goettingen.de