Social Sentiment Insights (SSi)

SSi bündelt verwandte Posts, Artikel und Suchanfragen zu narrativen Clustern und sortiert sie nach ihrer Wirkung auf den Markt. Sie sehen die Geschichte, die genannten Entitäten und die tragenden Quellen. Genau das unterscheidet „Sentiment 62" von „Sentiment 62, weil heute Morgen drei seriöse Medien ein Lieferkettenproblem aufgegriffen haben".

Sie sind nicht auf ein Bewertungsmodell festgelegt. SSi bringt die eigene Engine mit und akzeptiert fremde; anschließend gewichten Sie jede Quelle so, wie Ihr Desk denkt. Wer Zulassungsdokumente höher schätzt als Foren, stellt das Modell entsprechend ein und bleibt in derselben Oberfläche.

Die Plattform zeichnet Sentiment neben den Kurs und Sentiment-Volumen neben das Handelsvolumen, über Horizonte von 7, 14, 30 und 60 Tagen. FinSoftAI normalisiert diese Werte zu Z-Scores, wodurch sich über 100 US-Aktien auf einer Skala ranken lassen. Für den Leser heißt das praktisch: Sie sehen, ob ein Narrativ beschleunigt, während der Titel stehen bleibt.

E-, S- und G-Scores entstehen aus öffentlichem Sentiment, nicht aus Unternehmensangaben, und die Gewichte verschieben sich je Sektor. Eine Bank wird an Governance und Verhalten gemessen, ein Industrieunternehmen an Umweltrisiken. Das sind Marktstimmungsdaten mit einem engeren Auftrag als ein allgemeiner Index.

Research ist die Einstiegskomponente: ein eigenständiges Terminal mit historischen Daten, NLP-Abfragegenerator, Charts zu Sentiment gegen Kurs und Suchanalysen. Live-Alarme fehlen, der Research-Workflow ist abgedeckt, weshalb FinSoftAI das Terminal sowohl Institutionen als auch Einzelabonnenten anbietet.

SSi läuft mit eigener Oberfläche oder headless. Die Social-Sentiment-API umfasst Sentiment je Ticker, Sektor-Aggregation, ESG-Scores, Sentiment-OHLC-Daten, Sentiment-Volumen und Alerts, mit latenzarmem Zugriff für Quants. Wer bereits einen OMS- oder Research-Stack hat, holt die Signale in die eigenen Bildschirme.