13.08.2020

Seasonax: Bei diesem Wiener Startup holt sich Bloomberg Insights zu Aktien

Saisonalität bei Aktien und anderen Finanzinstrumenten ist ein altbekanntes Phänomen. Doch diese ist viel komplexer und vielschichtiger, als oftmals angenommen, wie das Wiener Startup Seasonax seinen Kunden zeigt.
/artikel/seasonax-bloomberg-saisonalitaet-aktien-finanzinstrumente
Seasonax: Das Founder/Gesellschafter-Team (vlnr.): Dimitri Speck, Tea Muratovic und Christoph Zenk
(c) Seasonax: Das Founder/Gesellschafter-Team (vlnr.): Dimitri Speck, Tea Muratovic und Christoph Zenk

„Wenn man heute über Saisonalität spricht, dann kennen die meisten Anleger so Aussprüche wie ’sell in may and go away‘, oder auch die X-Mas-Rallye. Das sind gängige, bekannte Muster. Dass Saisonalität aber tatsächlich pro Aktie, Währung oder Rohstoff existieren, ist kaum bekannt“, sagt Christoph Zenk, Co-Founder des Wiener Startups Seasonax.

Auf Basis eines von seinem Mitgründer Dimitri Speck entwickelten Algorithmus, zeigt Seasonax nicht nur die auf das Jahr bezogene Saisonalität – sprich: eine Angabe, wann sich Kaufen und Verkaufen üblicherweise auszahlen – für unterschiedliche Finanzinstrumente. Auch für Intraday-Trading gibt es eine Funktion, die zeigt, zu welchen Uhrzeiten Aktien und Co üblicherweise zulegen oder an Wert verlieren.

Saisonale Charts von Seasonax: Mehr als nur Durchschnittswerte

Über das einfache Errechnen von Langzeit-Durschnittswerten geht das System weit hinaus, wie Christoph Zenk erklärt: „Dimitri Speck hat unseres Wissens weltweit als Erster einen Algorithmus für tag- und preisgenaue saisonale Charts entwickelt. Davor gab es nur Näherungen wie beispielsweise Diagramme mit Monatsbalken. Die Schwierigkeiten reichen vom geometrischen Mittel bis hin zu Kalenderanomalien“. Viele Wettbewerber würden auch heute nur unpräzise Charts bieten. Denn man müsse auch beachten, dass die Algorithmen selbst nur ein Teil der Lösung seien. „Es geht natürlich auch darum, wie historische Daten integriert und auch bereinigt werden. Hier muss man diverse Absicherungen mit einfließen lassen“, so Zenk.

Warum Gold und Silber eine unterschiedliche Saisonalität aufweisen

Während man sich die Saisonalität bestimmter Aktien recht leicht herleiten kann, etwa einen Anstieg bei Sportartikelherstellern vor ihrer Hauptsaison, gebe es häufig auch komplexere Muster und Überraschungen, erläutert der Seasonax-Gründer: „Man würde etwa davon ausgehen, dass in der Gaming-Industrie gerade das Jahresende bzw. Weihnachten Saisonalitäten generiert. Beim Spiele-Hersteller Activision ist die stärkste Phase aber August bis September“. Auch bei Edelmetallen gebe es überraschende Verschiebungen. „So würde man wohl erwarten, dass Gold und Silber ähnliche Saisonalitäten haben könnten. Dem ist aber nicht so. Dadurch, dass Silber verarbeitet wird, sind die stärksten Zukäufe am Anfang und Ende des Jahres, was den Preis treibt. Gold steigt dagegen bereits ab der zweiten Jahreshälfte“, so der Gründer.

Screenshot: Seasonax

Seasonax: Starkes Wachstum mit der Web-App, Bloomberg und Thomson Reuters als Partner

Diese Muster können User der 2018 gelaunchten Web-App des Startups selbst ergründen. „Aufgrund unseres Aufbaus erlauben wir Nutzern schnell und einfach, visuell Saisonalitäten zu identifizieren, und bieten die Tools, um zu evaluieren ob sie stabil sind, einem Trend folgen, Ausreißer in bestimmten Jahren beinhalten oder ähnliches“, erklärt Zenk. Dazu versorge man die User noch in Form von Newslettern mit Insights zur Saisonalität verschiedener Finanzinstrumente. Die Nutzer zahlen auf Monats-, Quartals-, oder Jahresbasis eine fixe Gebühr, wobei es Varianten mit unterschiedlichem Funktionsumfang gibt.

Mit der Web-App gelang in den vergangenen Monaten eine massive Umsatzsteigerung. Man wachse trotz Corona von Monat zu Monat weiter, so Zenk. Seit kurzem verzeichne man mehr User aus dem englischsprachigen als aus dem deutschsprachigen Raum. Doch nicht nur einzelne Anleger setzen auf Seasonax. Die Lösung des Wiener Startups ist auch bei Bloomberg und Thomson Reuters integriert, die so ihre Nutzer mit genaueren Informationen zur Saisonalität versorgen.

Wachstumsfinanzierung geplant

Auf diesen Erfolgen will man sich bei Seasonax freilich nicht ausruhen. „Neben dem aktuellen Setup werden wir in Zukunft auch stärker Tradingplattformen, Banken und klassische Portalseiten an uns binden, da Saisonalität in Einzelaktien Geschichten erzählt und Content liefert. Dadurch sind wir eine stetige Quelle interessanter Stories in einem sonst vielleicht nicht ganz so unterhaltendem Segment“, sagt Zenk, „Heute sind wir ein reines Analysetool, das es jedem einzelnen ermöglicht, schnell und einfach quantitative Analysen durchzuführen. Morgen werden wir auf der User Journey länger den User begleiten – wahrscheinlich bis hin zu seinem eigentlichen Trade“.

Um diese Pläne umzusetzen und – wie Zenk erläutert – „unsere Vorreiterrolle in der saisonalen Analyse zu festigen, die Integration in Fremdportale zu forcieren und auch die bereits geplanten zusätzlichen Features für unsere User auszurollen“, wolle man noch dieses Jahr eine Wachstumsfinanzierung durchführen. Damit soll auch die Expansion auf den amerikanischen Markt vorangetrieben werden. Die Investorensuche habe gerade erst begonnen und der Gründer ist optimistisch: „Ich glaube, dass uns viele Entwicklungen in die Hände spielen und wir ein Window of Opportunity haben, das wir nützen müssen“.

Deine ungelesenen Artikel:
24.09.2026

Apollo: Sprachmodell von ÖAW und Mistral schließt Lücken in 2.000 Jahre alten Texten

"Apollo" ergänzt fehlende Inhalte in fragmentarischen antiken Texten und gilt eigenen Angaben nach als weltweit erstes LLM für Altgriechisch.
/artikel/apollo-sprachmodell-von-oeaw-und-mistral-schliesst-luecken-in-2-000-jahre-alten-texten
24.09.2026

Apollo: Sprachmodell von ÖAW und Mistral schließt Lücken in 2.000 Jahre alten Texten

"Apollo" ergänzt fehlende Inhalte in fragmentarischen antiken Texten und gilt eigenen Angaben nach als weltweit erstes LLM für Altgriechisch.
/artikel/apollo-sprachmodell-von-oeaw-und-mistral-schliesst-luecken-in-2-000-jahre-alten-texten
Apollo, KI, Altgiechisch, Mistral
© Österreichische Nationalbibliothek/ÖAW/Daniel Hinterramskogler - Papyrus aus der römischen Kaiserzeit mit einer griechischen Geburtsanzeige, von Apollo rekonstruiert (Römisches Ägypten, 149 n. Chr.) und Anna Dolganov, Forscherin am Österreichischen Archäologischen Institut der ÖAW.

In Museen und Bibliotheken weltweit lagern hunderttausende Inschriften und über eine Million Papyrusfragmente aus der Antike. Der Großteil des Materials ist fragmentarisch und schwer lesbar. „92 Prozent der Papyri warten bis heute auf ihre Entzifferung. Ein gigantischer, unerschlossener Schatz der Geschichte“, heißt es per Aussendung der Österreichischen Akademie der Wissenschaften (ÖAW). Genau hier möchte Apollo ansetzen.

Apollo: „Neues Fenster zu unserem gemeinsamen kulturellen Erbe“

Entwickelt wurde das Large Language Model (LLM) in einer Kooperation zwischen der ÖAW und den europäischen KI-Unternehmen Mistral AI und SAIL Reply. Am gestrigen Mittwoch präsentierten die Forschungspartner die erste Stufe des Apollo-KI-Systems, das ab sofort der Wissenschaft und der Öffentlichkeit zur Verfügung steht.

„Apollo zeigt, was europäische Zusammenarbeit leisten kann, wenn KI, die gezielt an wissenschaftliche Anforderungen angepasst werden kann, auf jahrhundertealtes wissenschaftliches Wissen trifft“, sagt Guillaume Lample, Co-Founder und Chief Scientist von Mistral. „Indem Mistrals Technologie dabei hilft, Texte wiederherzustellen, die seit zweitausend Jahren nur fragmentarisch überliefert sind, eröffnet sie ein neues Fenster zu unserem gemeinsamen kulturellen Erbe – und das ist erst der Anfang.“

600 Millionen Wörter

Die meisten Texte der Antike sind nur unvollständig überliefert und es fehlen einzelne Wörter oder sogar ganze Textpassagen. Das Sprachmodell Apollo könne fehlende Inhalte von Fragmenten eigenständig ergänzen und dabei helfen, das Verständnis und die historische Einordnung eines Schriftstückes zu verbessern.

Obwohl für das Training der KI in Altgriechisch nur 600 Millionen Wörter zur Verfügung standen – mehrere zehn Milliarden Wörter gelten üblicherweise als der Standard für LLMs – sei eigenen Angaben nach Apollo treffsicher.

„Bei einem vorhandenen Originaltext auf Papyrus erreicht das Modell bei maskierten, also bewusst versteckten Passagen eine Trefferquote von rund 80 Prozent“, erklärt Anna Dolganov, Forscherin am Österreichischen Archäologischen Institut der ÖAW und Mastermind hinter dem Projekt. Bei tatsächlich unbekannten Textlücken bewerteten internationale Fachexpert:innen, die das KI-System im Rahmen einer Blindstudie evaluiert haben, Apollos Vorschläge in 77 Prozent der Fälle als mindestens ebenso gut wie durch Menschen vorgenommene Ergänzungen und in 16–20 Prozent der Fälle sogar besser, heißt es.

Apollo erkennt Sprachstufen

Besonders beeindruckend sei zudem, wie präzise Apollo zwischen verschiedenen Sprachstufen des Griechischen unterscheiden kann, betont Dolganov: „Unser LLM kann mit vergleichsweise geringem Wissen über einen Kontext weitreichende Schlüsse ziehen. Anhand von Satzbau und Vokabular erkennt Apollo präzise, ob ein Text zum Beispiel aus Homers ‚Odyssee‘ stammt, und ergänzt ihn im passenden Sprachregister.“

Als Beweis zeigte Dolganov bei der Präsentation von Apollo etwa eine antike Geburtsurkunde, die vollständig rekonstruiert wurde. Zudem wurde eine beim Ausbruch des Vesuvs verkohlte Schriftrolle an entscheidenden Stellen „vollständig lesbar gemacht“. Und mit der Rekonstruktion einer fragmentarischen Inschrift aus dem Schwarzmeerraum hat sich der Forscherin zufolge belegen lassen, dass in einer bestimmten Region bereits römisches Recht galt. Die Aussendung sprach hierbei von einer „weitreichenden Erkenntnis, die durch einen Beleg für die römische Prostitutionssteuer untermauert wird.“

Weitere Stufen geplant

„Mithilfe der KI entsteht ein neues Bild der antiken Sozial- und Wirtschaftsgeschichte, da sich viele Erkenntnisse erst aus der Masse der Dokumente ergeben – etwa bei Steuerquittungen“, präzisiert Dolganov.

Und Heinz Faßmann, Präsident der Österreichischen Akademie der Wissenschaften, ergänzt: „Apollo bringt die Erforschung von historischen Schriftstücken und Dokumenten in ein neues Zeitalter. Der Einsatz des neuen Sprachmodells wird völlig neue Forschungsfragen zulassen und unser historisches Wissen erweitern. Wir sind stolz, dass die ÖAW gemeinsam mit dem europäischen KI-Unternehmen Mistral diese wegweisende Technologie entwickelt hat. Für die Zukunft streben wir eine vertiefte Zusammenarbeit mit Mistral an.“

© ÖAW/Daniel Hinterramskogler – Heinz Faßmann, Präsident der Österreichischen Akademie der Wissenschaften, bei der öffentlichen Vorstellung von Apollo.

Der ersten Stufe des Modells sollen bald noch weitere folgen. „Das Ziel ist ambitioniert, aber machbar“, wie Dolganov betont: Die KI soll künftig unerschlossene Papyri sowohl entziffern als auch rekonstruieren können. Geplant ist außerdem eine Erweiterung, mit der das Modell thematische und semantische Suchen in der gesamten griechischen Textüberlieferung durchführen sowie Parallelstellen suchen soll und so die passende Evidenz für Ergänzungsvorschläge gleich mitliefert.

Dolganov, die ÖAW und Mistral wollen jedoch bei Altgriechisch nicht aufhören. Aufbauend auf den Erfahrungen soll die KI künftig auch mit einem lateinischen Textkorpus trainiert werden. Dafür stehen dann rund zwölf Milliarden Wörter zur Verfügung. Was für das Projekt noch fehlt, sei ein passender Name.

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Seasonax: Bei diesem Wiener Startup holt sich Bloomberg Insights zu Aktien

  • Auf Basis eines von Mitgründer Dimitri Speck entwickelten Algorithmus, zeigt Seasonax nicht nur die auf das Jahr bezogene Saisonalität – sprich: eine Angabe, wann sich Kaufen und Verkaufen üblicherweise auszahlen – für unterschiedliche Finanzinstrumente.
  • Auch für Intraday-Trading gibt es eine Funktion, die zeigt, zu welchen Uhrzeiten Aktien und Co üblicherweise zulegen oder an Wert verlieren.
  • Diese Muster können User der 2018 gelaunchten Web-App des Startups selbst ergründen.
  • „Aufgrund unseres Aufbaus erlauben wir Nutzern schnell und einfach, visuell Saisonalitäten zu identifizieren, und bieten die Tools, um zu evaluieren ob sie stabil sind, einem Trend folgen, Ausreißer in bestimmten Jahren beinhalten oder ähnliches“, erklärt Zenk.
  • Mit der Web-App gelang in den vergangenen Monaten eine massive Umsatzsteigerung.
  • Die Lösung des Wiener Startups ist auch bei Bloomberg und Thomson Reuters integriert, die so ihre Nutzer mit genaueren Informationen zur Saisonalität versorgen.

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Seasonax: Bei diesem Wiener Startup holt sich Bloomberg Insights zu Aktien

  • Auf Basis eines von Mitgründer Dimitri Speck entwickelten Algorithmus, zeigt Seasonax nicht nur die auf das Jahr bezogene Saisonalität – sprich: eine Angabe, wann sich Kaufen und Verkaufen üblicherweise auszahlen – für unterschiedliche Finanzinstrumente.
  • Auch für Intraday-Trading gibt es eine Funktion, die zeigt, zu welchen Uhrzeiten Aktien und Co üblicherweise zulegen oder an Wert verlieren.
  • Diese Muster können User der 2018 gelaunchten Web-App des Startups selbst ergründen.
  • „Aufgrund unseres Aufbaus erlauben wir Nutzern schnell und einfach, visuell Saisonalitäten zu identifizieren, und bieten die Tools, um zu evaluieren ob sie stabil sind, einem Trend folgen, Ausreißer in bestimmten Jahren beinhalten oder ähnliches“, erklärt Zenk.
  • Mit der Web-App gelang in den vergangenen Monaten eine massive Umsatzsteigerung.
  • Die Lösung des Wiener Startups ist auch bei Bloomberg und Thomson Reuters integriert, die so ihre Nutzer mit genaueren Informationen zur Saisonalität versorgen.

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Seasonax: Bei diesem Wiener Startup holt sich Bloomberg Insights zu Aktien

  • Auf Basis eines von Mitgründer Dimitri Speck entwickelten Algorithmus, zeigt Seasonax nicht nur die auf das Jahr bezogene Saisonalität – sprich: eine Angabe, wann sich Kaufen und Verkaufen üblicherweise auszahlen – für unterschiedliche Finanzinstrumente.
  • Auch für Intraday-Trading gibt es eine Funktion, die zeigt, zu welchen Uhrzeiten Aktien und Co üblicherweise zulegen oder an Wert verlieren.
  • Diese Muster können User der 2018 gelaunchten Web-App des Startups selbst ergründen.
  • „Aufgrund unseres Aufbaus erlauben wir Nutzern schnell und einfach, visuell Saisonalitäten zu identifizieren, und bieten die Tools, um zu evaluieren ob sie stabil sind, einem Trend folgen, Ausreißer in bestimmten Jahren beinhalten oder ähnliches“, erklärt Zenk.
  • Mit der Web-App gelang in den vergangenen Monaten eine massive Umsatzsteigerung.
  • Die Lösung des Wiener Startups ist auch bei Bloomberg und Thomson Reuters integriert, die so ihre Nutzer mit genaueren Informationen zur Saisonalität versorgen.

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Seasonax: Bei diesem Wiener Startup holt sich Bloomberg Insights zu Aktien

  • Auf Basis eines von Mitgründer Dimitri Speck entwickelten Algorithmus, zeigt Seasonax nicht nur die auf das Jahr bezogene Saisonalität – sprich: eine Angabe, wann sich Kaufen und Verkaufen üblicherweise auszahlen – für unterschiedliche Finanzinstrumente.
  • Auch für Intraday-Trading gibt es eine Funktion, die zeigt, zu welchen Uhrzeiten Aktien und Co üblicherweise zulegen oder an Wert verlieren.
  • Diese Muster können User der 2018 gelaunchten Web-App des Startups selbst ergründen.
  • „Aufgrund unseres Aufbaus erlauben wir Nutzern schnell und einfach, visuell Saisonalitäten zu identifizieren, und bieten die Tools, um zu evaluieren ob sie stabil sind, einem Trend folgen, Ausreißer in bestimmten Jahren beinhalten oder ähnliches“, erklärt Zenk.
  • Mit der Web-App gelang in den vergangenen Monaten eine massive Umsatzsteigerung.
  • Die Lösung des Wiener Startups ist auch bei Bloomberg und Thomson Reuters integriert, die so ihre Nutzer mit genaueren Informationen zur Saisonalität versorgen.

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Seasonax: Bei diesem Wiener Startup holt sich Bloomberg Insights zu Aktien

  • Auf Basis eines von Mitgründer Dimitri Speck entwickelten Algorithmus, zeigt Seasonax nicht nur die auf das Jahr bezogene Saisonalität – sprich: eine Angabe, wann sich Kaufen und Verkaufen üblicherweise auszahlen – für unterschiedliche Finanzinstrumente.
  • Auch für Intraday-Trading gibt es eine Funktion, die zeigt, zu welchen Uhrzeiten Aktien und Co üblicherweise zulegen oder an Wert verlieren.
  • Diese Muster können User der 2018 gelaunchten Web-App des Startups selbst ergründen.
  • „Aufgrund unseres Aufbaus erlauben wir Nutzern schnell und einfach, visuell Saisonalitäten zu identifizieren, und bieten die Tools, um zu evaluieren ob sie stabil sind, einem Trend folgen, Ausreißer in bestimmten Jahren beinhalten oder ähnliches“, erklärt Zenk.
  • Mit der Web-App gelang in den vergangenen Monaten eine massive Umsatzsteigerung.
  • Die Lösung des Wiener Startups ist auch bei Bloomberg und Thomson Reuters integriert, die so ihre Nutzer mit genaueren Informationen zur Saisonalität versorgen.

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Seasonax: Bei diesem Wiener Startup holt sich Bloomberg Insights zu Aktien

  • Auf Basis eines von Mitgründer Dimitri Speck entwickelten Algorithmus, zeigt Seasonax nicht nur die auf das Jahr bezogene Saisonalität – sprich: eine Angabe, wann sich Kaufen und Verkaufen üblicherweise auszahlen – für unterschiedliche Finanzinstrumente.
  • Auch für Intraday-Trading gibt es eine Funktion, die zeigt, zu welchen Uhrzeiten Aktien und Co üblicherweise zulegen oder an Wert verlieren.
  • Diese Muster können User der 2018 gelaunchten Web-App des Startups selbst ergründen.
  • „Aufgrund unseres Aufbaus erlauben wir Nutzern schnell und einfach, visuell Saisonalitäten zu identifizieren, und bieten die Tools, um zu evaluieren ob sie stabil sind, einem Trend folgen, Ausreißer in bestimmten Jahren beinhalten oder ähnliches“, erklärt Zenk.
  • Mit der Web-App gelang in den vergangenen Monaten eine massive Umsatzsteigerung.
  • Die Lösung des Wiener Startups ist auch bei Bloomberg und Thomson Reuters integriert, die so ihre Nutzer mit genaueren Informationen zur Saisonalität versorgen.

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Seasonax: Bei diesem Wiener Startup holt sich Bloomberg Insights zu Aktien

  • Auf Basis eines von Mitgründer Dimitri Speck entwickelten Algorithmus, zeigt Seasonax nicht nur die auf das Jahr bezogene Saisonalität – sprich: eine Angabe, wann sich Kaufen und Verkaufen üblicherweise auszahlen – für unterschiedliche Finanzinstrumente.
  • Auch für Intraday-Trading gibt es eine Funktion, die zeigt, zu welchen Uhrzeiten Aktien und Co üblicherweise zulegen oder an Wert verlieren.
  • Diese Muster können User der 2018 gelaunchten Web-App des Startups selbst ergründen.
  • „Aufgrund unseres Aufbaus erlauben wir Nutzern schnell und einfach, visuell Saisonalitäten zu identifizieren, und bieten die Tools, um zu evaluieren ob sie stabil sind, einem Trend folgen, Ausreißer in bestimmten Jahren beinhalten oder ähnliches“, erklärt Zenk.
  • Mit der Web-App gelang in den vergangenen Monaten eine massive Umsatzsteigerung.
  • Die Lösung des Wiener Startups ist auch bei Bloomberg und Thomson Reuters integriert, die so ihre Nutzer mit genaueren Informationen zur Saisonalität versorgen.

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Seasonax: Bei diesem Wiener Startup holt sich Bloomberg Insights zu Aktien

  • Auf Basis eines von Mitgründer Dimitri Speck entwickelten Algorithmus, zeigt Seasonax nicht nur die auf das Jahr bezogene Saisonalität – sprich: eine Angabe, wann sich Kaufen und Verkaufen üblicherweise auszahlen – für unterschiedliche Finanzinstrumente.
  • Auch für Intraday-Trading gibt es eine Funktion, die zeigt, zu welchen Uhrzeiten Aktien und Co üblicherweise zulegen oder an Wert verlieren.
  • Diese Muster können User der 2018 gelaunchten Web-App des Startups selbst ergründen.
  • „Aufgrund unseres Aufbaus erlauben wir Nutzern schnell und einfach, visuell Saisonalitäten zu identifizieren, und bieten die Tools, um zu evaluieren ob sie stabil sind, einem Trend folgen, Ausreißer in bestimmten Jahren beinhalten oder ähnliches“, erklärt Zenk.
  • Mit der Web-App gelang in den vergangenen Monaten eine massive Umsatzsteigerung.
  • Die Lösung des Wiener Startups ist auch bei Bloomberg und Thomson Reuters integriert, die so ihre Nutzer mit genaueren Informationen zur Saisonalität versorgen.

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Seasonax: Bei diesem Wiener Startup holt sich Bloomberg Insights zu Aktien

  • Auf Basis eines von Mitgründer Dimitri Speck entwickelten Algorithmus, zeigt Seasonax nicht nur die auf das Jahr bezogene Saisonalität – sprich: eine Angabe, wann sich Kaufen und Verkaufen üblicherweise auszahlen – für unterschiedliche Finanzinstrumente.
  • Auch für Intraday-Trading gibt es eine Funktion, die zeigt, zu welchen Uhrzeiten Aktien und Co üblicherweise zulegen oder an Wert verlieren.
  • Diese Muster können User der 2018 gelaunchten Web-App des Startups selbst ergründen.
  • „Aufgrund unseres Aufbaus erlauben wir Nutzern schnell und einfach, visuell Saisonalitäten zu identifizieren, und bieten die Tools, um zu evaluieren ob sie stabil sind, einem Trend folgen, Ausreißer in bestimmten Jahren beinhalten oder ähnliches“, erklärt Zenk.
  • Mit der Web-App gelang in den vergangenen Monaten eine massive Umsatzsteigerung.
  • Die Lösung des Wiener Startups ist auch bei Bloomberg und Thomson Reuters integriert, die so ihre Nutzer mit genaueren Informationen zur Saisonalität versorgen.