Ertragspotenziale mithilfe von Marktanalysen vorhersagen – Teil 1 – 1
In der modernen Finanzwelt, deren Unberechenbarkeit sich oft wie ein Labyrinth anfühlt, ist die Suche nach Renditechancen wichtiger denn je. Diese Reise in die Welt der „Renditechancen mit Marktanalysen vorhersagen“ beginnt mit dem Verständnis der Grundlagen von Marktanalysen und ihrer Funktion als Orientierungshilfe im unermesslichen Ozean der Finanzmärkte.
Das Wesen der Marktanalyse
Marktanalyse ist der sorgfältige Prozess des Sammelns, Interpretierens und Ableitens von Erkenntnissen aus Marktdaten. Sie vereint Kunst und Wissenschaft, indem historische Daten und Echtzeitinformationen analysiert werden, um zukünftige Markttrends vorherzusagen. Diese Disziplin basiert auf der Überzeugung, dass die Wertentwicklung in der Vergangenheit wertvolle Hinweise auf zukünftiges Verhalten liefern und Anlegern so helfen kann, fundierte Entscheidungen zu treffen.
Werkzeuge des Handwerks
Um die Komplexität der Marktanalyse zu bewältigen, greifen Anleger auf eine Vielzahl von Tools und Technologien zurück. Diese reichen von ausgefeilter Statistiksoftware bis hin zu hochentwickelten Algorithmen, die riesige Datensätze analysieren und Muster aufdecken, die dem menschlichen Auge entgehen könnten. Tools wie Excel, R und Python sind nicht nur Programmiersprachen, sondern wertvolle Verbündete auf dem Weg zu präzisen Prognosen.
Statistiksoftware
Statistiksoftware wie SAS und SPSS ist für jeden erfahrenen Analysten unverzichtbar. Diese Tools ermöglichen komplexe statistische Analysen und damit die Gewinnung von Erkenntnissen aus Daten, die zur Prognose von Marktbewegungen und zur Identifizierung von Renditechancen genutzt werden können.
Algorithmen des maschinellen Lernens
Maschinelle Lernalgorithmen haben die Marktanalyse revolutioniert. Diese Algorithmen lernen aus Daten, erkennen Muster und erstellen Vorhersagen mit einer Genauigkeit, die mit traditionellen Methoden kaum zu erreichen ist. Tools wie TensorFlow und PyTorch sind führend und ermöglichen es Analysten, Vorhersagemodelle zu entwickeln, die sich an den Markt anpassen und weiterentwickeln.
Grundlegende Konzepte
Das Verständnis der Kernkonzepte der Marktanalyse ist entscheidend für jeden, der Ertragschancen vorhersagen möchte. Hier sind einige Schlüsselideen, die das Fundament dieser Disziplin bilden:
Deskriptive Analytik
Deskriptive Analysen fassen historische Daten zusammen, um vergangene Ereignisse zu verstehen. Sie bilden die Grundlage für das Verständnis von Markttrends und -mustern. Mithilfe deskriptiver Analysen können Analysten Daten in Form von Diagrammen, Grafiken und Dashboards visualisieren.
Prädiktive Analysen
Prädiktive Analysen gehen noch einen Schritt weiter, indem sie statistische Algorithmen und maschinelle Lernverfahren nutzen, um die Wahrscheinlichkeit zukünftiger Ergebnisse auf Basis historischer Daten zu ermitteln. Es geht darum, zu fragen: „Was könnte passieren?“, anstatt nur: „Was ist passiert?“ Prädiktive Analysen helfen dabei, Markttrends vorherzusagen, potenzielle Renditechancen zu identifizieren und proaktive Investitionsentscheidungen zu treffen.
Präskriptive Analytik
Präskriptive Analytik geht über die reine Vorhersage hinaus und empfiehlt Maßnahmen, die zukünftige Ergebnisse beeinflussen können. Sie kombiniert Optimierungsmodelle, Simulationen und andere Analysemethoden, um die beste Vorgehensweise zu ermitteln. Für Anleger bedeutet dies nicht nur, potenzielle Marktbewegungen zu verstehen, sondern auch, sich so zu positionieren, dass sie von diesen Bewegungen profitieren können.
Strategien zur Ertragsmaximierung
Sobald die grundlegenden Werkzeuge und Konzepte verstanden sind, geht es im nächsten Schritt darum, Strategien zu entwickeln, die Marktanalysen nutzen, um den Ertrag zu maximieren. Hier sind einige Ansätze:
Trendanalyse
Die Trendanalyse ist ein Eckpfeiler der Marktanalyse. Durch die Untersuchung historischer Kursbewegungen und Volumendaten können Analysten Trends identifizieren, die auf potenzielle Renditechancen hindeuten. Dabei wird nach Mustern wie Aufwärts- oder Abwärtstrends, Ausbrüchen und Trendumkehrungen gesucht. Gleitende Durchschnitte und Trendlinien werden häufig in dieser Analyse verwendet.
Technische Indikatoren
Technische Indikatoren sind mathematische Berechnungen, die auf Preis, Volumen und offenen Positionen basieren und Kursbewegungen prognostizieren. Indikatoren wie der Relative-Stärke-Index (RSI), die Moving Average Convergence Divergence (MACD) und die Bollinger-Bänder werden häufig verwendet, um die Marktlage zu beurteilen und potenzielle Renditechancen zu identifizieren.
Fundamentalanalyse
Während sich die technische Analyse auf Preis und Volumen konzentriert, untersucht die Fundamentalanalyse die zugrunde liegenden Faktoren, die den Preis eines Vermögenswerts beeinflussen. Dazu gehören Wirtschaftsindikatoren, Gewinnberichte und die Marktstimmung. Durch die Kombination von Fundamental- und technischer Analyse erhalten Anleger einen umfassenden Überblick über potenzielle Renditechancen.
Risikomanagement
Bei der Suche nach Rendite ist ein effektives Risikomanagement unerlässlich. Marktanalysen spielen eine entscheidende Rolle bei der Identifizierung und Minderung von Risiken. Techniken wie Value at Risk (VaR) und Stresstests helfen dabei, die potenziellen finanziellen Auswirkungen negativer Marktentwicklungen zu bewerten. Ein wirksames Risikomanagement gewährleistet, dass Renditechancen mit einem ausgewogenen Ansatz verfolgt werden und potenzielle Verluste minimiert werden.
Die Zukunft der Marktanalyse
Der Bereich der Marktanalyse entwickelt sich stetig weiter, angetrieben durch technologische Fortschritte und veränderte Marktdynamiken. Die Zukunft verspricht noch ausgefeiltere Instrumente und Methoden, die die Prognose von Ertragschancen weiter verbessern werden.
Big Data
Das Aufkommen von Big Data hat neue Möglichkeiten in der Marktanalyse eröffnet. Dank der Datenflut aus verschiedensten Quellen können Analysten nun ein breiteres Spektrum an Variablen in ihre Modelle einbeziehen und so präzisere Prognosen erstellen. Big-Data-Analysen ermöglichen ein umfassenderes Verständnis der Marktdynamik und die Identifizierung von Renditechancen, die zuvor unentdeckt blieben.
Künstliche Intelligenz
Künstliche Intelligenz (KI) wird die Marktanalyse revolutionieren. KI-gestützte Modelle können riesige Datenmengen in unglaublicher Geschwindigkeit verarbeiten, Muster erkennen und Prognosen mit bemerkenswerter Genauigkeit erstellen. Algorithmen des maschinellen Lernens lernen und passen sich kontinuierlich an und verbessern so ihre Vorhersagekraft stetig. Dies ermöglicht es Anlegern, Markttrends frühzeitig zu erkennen und Renditechancen effektiver zu nutzen.
Blockchain und Kryptowährung
Der Aufstieg der Blockchain-Technologie und von Kryptowährungen eröffnet neue Möglichkeiten und Herausforderungen für die Marktanalyse. Die Transparenz und Unveränderlichkeit von Blockchain-Daten eröffnen neue Wege für Analysen und Prognosen. Die Volatilität von Kryptowährungen erfordert jedoch ausgefeilte Analysewerkzeuge, um sich in diesem Bereich effektiv zu bewegen.
Abschluss
Zum Abschluss des ersten Teils unserer Betrachtung zum Thema „Ertragsprognosen mithilfe von Marktanalysen“ wird deutlich, dass dieses Feld großes Potenzial birgt. Von den Werkzeugen und Techniken, die das Rückgrat der Marktanalyse bilden, bis hin zu den Strategien, die diese Erkenntnisse für maximalen Ertrag nutzen – der Weg ist komplex und lohnend zugleich.
Im nächsten Teil tauchen wir tiefer in konkrete Fallstudien und reale Anwendungsbeispiele der Marktanalyse zur Prognose von Renditechancen ein. Wir untersuchen, wie führende Investoren und Institutionen diese Methoden nutzen, um im dynamischen Marktumfeld stets einen Schritt voraus zu sein. Seien Sie gespannt auf unserer weiteren Reise in die faszinierende Welt der Marktanalyse.
Aufbauend auf den Grundlagen aus Teil 1 konzentrieren wir uns nun auf die praktischen Anwendungen von Marktanalysen zur Prognose von Renditechancen. Dieser Teil befasst sich mit Fallstudien aus der Praxis, fortgeschrittenen Techniken und den Strategien führender Investoren und Institutionen zur Nutzung datenbasierter Erkenntnisse.
Fallstudien: Anwendungen in der Praxis
Fallstudie 1: Erfolg von Hedgefonds durch prädiktive Analysen
Eines der überzeugendsten Beispiele für die praktische Anwendung von Marktanalysen findet sich in den Erfolgsgeschichten bestimmter Hedgefonds. Diese Fonds haben mithilfe prädiktiver Analysen beeindruckende Renditen erzielt. So nutzt beispielsweise ein auf quantitativen Handel spezialisierter Hedgefonds fortschrittliche Algorithmen des maschinellen Lernens, um Marktdaten zu analysieren und Kursbewegungen vorherzusagen. Durch den Einsatz von Techniken wie Regressionsanalysen und neuronalen Netzen identifiziert der Fonds Muster, die auf potenzielle Renditechancen hinweisen. Das Ergebnis? Eine beständige Outperformance gegenüber Marktindizes.
Fallstudie 2: Gewinne für Privatanleger durch Trendanalyse
Auch Privatanleger können von Marktanalysen profitieren. Nehmen wir einen Privatanleger, der mithilfe von Trendanalysen Renditechancen am Aktienmarkt identifiziert. Durch die Analyse historischer Kursbewegungen und Volumendaten verwendet er Instrumente wie gleitende Durchschnitte und Trendlinien, um potenzielle Kauf- und Verkaufssignale zu erkennen. Der Einsatz technischer Indikatoren wie RSI und MACD verfeinert die Analyse zusätzlich und führt zu fundierten Anlageentscheidungen. Das Ergebnis? Ein Portfolio, das sich an den Markttrends orientiert und die Rendite maximiert.
Fortgeschrittene Techniken in der Marktanalyse
Regressionsanalyse
Die Regressionsanalyse ist eine statistische Methode zur Untersuchung des Zusammenhangs zwischen einer abhängigen und einer oder mehreren unabhängigen Variablen. In der Marktanalyse wird diese Technik eingesetzt, um Vermögenspreise auf Basis verschiedener Wirtschaftsindikatoren und Marktfaktoren zu prognostizieren. Durch die Identifizierung der Koeffizienten, die Preisbewegungen am besten vorhersagen, können Analysten präzisere Renditeprognosen erstellen.
Neuronale Netze
Neuronale Netze, ein Teilgebiet des maschinellen Lernens, eignen sich besonders gut zum Erkennen komplexer Muster in Marktdaten. Diese Netze ahmen die Struktur des menschlichen Gehirns nach, lernen aus Daten und treffen auf dieser Grundlage Vorhersagen. Im Bereich der Marktanalyse können neuronale Netze zur Prognose von Aktienkursen, zur Identifizierung von Handelssignalen und sogar zur Betrugserkennung eingesetzt werden.
Monte-Carlo-Simulationen
Monte-Carlo-Simulationen sind ein leistungsstarkes Werkzeug für Risikomanagement und Renditeprognosen. Durch die Durchführung Tausender Simulationen auf Basis verschiedener Marktszenarien können Analysten die potenzielle Bandbreite der Anlageergebnisse abschätzen. Diese Methode hilft, die mit unterschiedlichen Renditechancen verbundenen Risiken und Chancen zu verstehen und ermöglicht es Anlegern, fundiertere Entscheidungen zu treffen.
Strategien führender Investoren
Datengesteuertes Portfoliomanagement
Prüfung tokenisierter Vermögenswerte: Schaffung der Voraussetzungen für Sicherheit und Vertrauen
In der modernen digitalen Wirtschaft haben sich tokenisierte Vermögenswerte als leistungsstarke und flexible Form der Vermögensdarstellung etabliert. Diese digitalen Token, die häufig auf der Blockchain-Technologie basieren, bieten ein beispielloses Maß an Transparenz, Effizienz und Sicherheit. Mit diesen Vorteilen geht jedoch die Verantwortung einher, ihre Integrität und Sicherheit durch strenge Prüfverfahren zu gewährleisten.
Tokenisierte Vermögenswerte verstehen
Tokenisierte Vermögenswerte sind digitale Repräsentationen realer oder immaterieller Vermögenswerte wie Immobilien, Rohstoffe oder auch geistiges Eigentum. Diese Token werden auf einer Blockchain erstellt, gespeichert und übertragen, die ein dezentrales, unveränderliches Register bereitstellt. Die Blockchain gewährleistet Transparenz, Nachvollziehbarkeit und Sicherheit jeder Transaktion und bietet damit ein Maß an Vertrauen, das traditionelle Vermögensverwaltungssysteme oft nur schwer erreichen.
Die Bedeutung der Prüfung tokenisierter Vermögenswerte
Die Prüfung tokenisierter Vermögenswerte ist aus mehreren Gründen von entscheidender Bedeutung:
Sicherheit: Blockchains sind zwar auf Sicherheit ausgelegt, doch die Komplexität von Smart Contracts und das Potenzial für menschliche Fehler können Schwachstellen verursachen. Audits helfen, diese Risiken zu identifizieren und zu minimieren.
Transparenz: Ein Audit bietet einen klaren und transparenten Überblick über den Lebenszyklus des Vermögenswerts, von der Entstehung bis zur Übertragung, und stellt sicher, dass alle Beteiligten über die gleichen Informationen verfügen.
Compliance: Angesichts der zunehmenden regulatorischen Kontrollen müssen Wirtschaftsprüfer sicherstellen, dass tokenisierte Vermögenswerte den geltenden Gesetzen und Vorschriften entsprechen, um rechtliche Fallstricke zu vermeiden.
Vertrauen: Letztendlich schafft ein Audit Vertrauen bei Investoren, Aufsichtsbehörden und anderen Interessengruppen, indem es nachweist, dass die tokenisierten Vermögenswerte nach höchsten Integritätsstandards verwaltet werden.
Wichtige Schritte bei der Prüfung tokenisierter Vermögenswerte
Um eine gründliche Prüfung tokenisierter Vermögenswerte durchzuführen, befolgen Sie diese Schritte:
Vorläufige Bewertung
Definition des Prüfungsgegenstands: Definieren Sie den Umfang der Prüfung klar und deutlich, einschließlich der zu prüfenden Vermögenswerte, der verwendeten Blockchain-Plattform und der beteiligten Stakeholder.
Regulatorischer Rahmen: Machen Sie sich mit den regulatorischen Anforderungen vertraut, die für tokenisierte Vermögenswerte gelten. Dies kann Wertpapiergesetze, Geldwäschebekämpfungsvorschriften (AML) und andere relevante Compliance-Standards umfassen.
Blockchain-Erkundung
Blockchain-Analyse: Tauchen Sie tief in die Blockchain ein, in der die Vermögenswerte tokenisiert sind. Nutzen Sie Blockchain-Explorer, um die Entstehung, Eigentümerwechsel und Transaktionen der Vermögenswerte nachzuverfolgen.
Smart-Contract-Prüfung: Untersuchen Sie die Smart Contracts, die die Token verwalten, sorgfältig. Achten Sie auf Schwachstellen, logische Fehler und die Einhaltung bewährter Verfahren. Stellen Sie sicher, dass die Verträge unveränderlich sind und nach der Bereitstellung nicht manipuliert werden können.
On-Chain- und Off-Chain-Datenverifizierung
On-Chain-Daten: Überprüfen Sie die On-Chain-Daten durch Abgleich mit Off-Chain-Datensätzen. Stellen Sie sicher, dass die On-Chain-Transaktionen den Lebenszyklus des Assets korrekt widerspiegeln.
Off-Chain-Datensätze: Vergleichen Sie die On-Chain-Daten mit allen Off-Chain-Datensätzen wie physischen Vermögenswerten, Rechtsdokumenten und Unternehmensunterlagen, um Genauigkeit und Vollständigkeit sicherzustellen.
Kryptografische Verifizierung
Öffentliche und private Schlüssel: Überprüfen Sie die kryptografischen Schlüssel, die zur Verwaltung der Token verwendet werden. Stellen Sie sicher, dass die privaten Schlüssel sicher aufbewahrt werden und kein unbefugter Zugriff erfolgt.
Digitale Signaturen: Überprüfen Sie die digitalen Signaturen von Transaktionen und Smart Contracts, um sicherzustellen, dass sie legitim sind und nicht manipuliert wurden.
Risikobewertung
Risiken identifizieren: Identifizieren Sie potenzielle Risiken wie Schwachstellen in Smart Contracts, operationelle Risiken und Risiken im Zusammenhang mit der Einhaltung gesetzlicher Vorschriften.
Risikominderungsstrategien: Es sollten Strategien entwickelt werden, um diese Risiken zu minimieren. Dazu gehören die Umsetzung zusätzlicher Sicherheitsmaßnahmen, die Verbesserung der Betriebsabläufe und die Sicherstellung der fortlaufenden Einhaltung der Vorschriften.
Abschluss
Die Prüfung tokenisierter Vermögenswerte ist ein komplexer, aber unerlässlicher Prozess, der die Sicherheit, Transparenz und Integrität dieser digitalen Repräsentationen gewährleistet. Durch einen systematischen Ansatz, der eine Vorbewertung, die Analyse der Blockchain, die Datenverifizierung und die Risikobewertung umfasst, können Prüfer dazu beitragen, Vertrauen in die wachsende Welt der digitalen Vermögenswerte zu schaffen.
Seien Sie gespannt auf Teil 2, in dem wir uns eingehender mit fortgeschrittenen Prüftechniken und -instrumenten für tokenisierte Vermögenswerte befassen und untersuchen, wie in diesem dynamischen Bereich langfristige Integrität und Compliance gewährleistet werden können.
Fortgeschrittene Prüfverfahren für tokenisierte Vermögenswerte: Sicherstellung langfristiger Integrität und Compliance
Aufbauend auf den in Teil 1 beschriebenen grundlegenden Schritten, befasst sich dieser zweite Teil mit fortgeschrittenen Prüftechniken und -instrumenten für tokenisierte Vermögenswerte, wobei der Schwerpunkt auf der Aufrechterhaltung der langfristigen Integrität und Compliance in der sich ständig weiterentwickelnden Landschaft digitaler Vermögenswerte liegt.
Erweiterte Blockchain-Analyse
Forensische Blockchain-Analyse
Transaktionsverfolgung: Mithilfe forensischer Tools lassen sich Transaktionen bis zu ihrem Ursprung zurückverfolgen. Dies kann helfen, die wahren Eigentümer von Token zu identifizieren und illegale Aktivitäten aufzudecken.
Anomalieerkennung: Es wird nach Anomalien in den Blockchain-Daten gesucht, wie z. B. ungewöhnlichen Transaktionsmustern oder plötzlichen Änderungen in der Token-Verteilung, die auf Betrug oder andere Probleme hinweisen können.
Audits im Bereich dezentrale Finanzen (DeFi)
Smart-Contract-Audits: Führen Sie umfassende Audits der in DeFi-Plattformen verwendeten Smart Contracts durch. Diese Audits sollten statische und dynamische Analysen sowie formale Verifizierungen umfassen, um etwaige Schwachstellen zu identifizieren.
Liquiditätspools: Untersuchen Sie Liquiditätspools und deren Management. Stellen Sie sicher, dass die Protokolle zum Hinzufügen und Entfernen von Liquidität sicher sind und keine Hintertüren oder Sicherheitslücken aufweisen.
Nutzung fortschrittlicher Prüfwerkzeuge
Automatisierte Prüfwerkzeuge
Smart-Contract-Prüfer: Nutzen Sie automatisierte Tools wie MythX, Slither oder Oyente, um statische Analysen von Smart Contracts durchzuführen. Diese Tools helfen dabei, häufige Schwachstellen wie Reentrancy-Angriffe, Integer-Überläufe und unberechtigten Zugriff zu identifizieren.
Blockchain-Explorer: Nutzen Sie fortschrittliche Blockchain-Explorer wie Etherscan, Blockchair oder Chainalysis, um Transaktionen zu überwachen und Muster zu erkennen, die auf Betrug oder andere Probleme hindeuten könnten.
KI und maschinelles Lernen
Predictive Analytics: Einsatz von KI und maschinellem Lernen zur Vorhersage potenzieller Risiken und Anomalien in Blockchain-Daten. Diese Technologien können riesige Datenmengen analysieren, um Muster zu erkennen, die bei einer manuellen Überprüfung möglicherweise nicht sichtbar sind.
Betrugserkennung: Mithilfe von Algorithmen des maschinellen Lernens werden Betrugserkennungsmodelle entwickelt, die verdächtige Transaktionen oder Verhaltensweisen automatisch kennzeichnen können.
Wahrung der langfristigen Integrität
Kontinuierliche Überwachung
Echtzeitwarnungen: Richten Sie Echtzeit-Überwachungssysteme ein, die Prüfer auf verdächtige Aktivitäten oder Änderungen in der Blockchain aufmerksam machen können.
Regelmäßige Prüfungen: Führen Sie regelmäßige Prüfungen durch, um sicherzustellen, dass die tokenisierten Vermögenswerte weiterhin den Sicherheits- und Compliance-Standards entsprechen.
Laufende Einhaltung
Aktualisierungen zu regulatorischen Bestimmungen: Bleiben Sie über Änderungen der regulatorischen Anforderungen informiert und stellen Sie sicher, dass die tokenisierten Vermögenswerte den neuesten Gesetzen und Vorschriften entsprechen.
Stakeholder-Kommunikation: Pflegen Sie eine offene Kommunikation mit allen Stakeholdern, um sicherzustellen, dass jeder über etwaige Änderungen der Vorschriften oder Prüfverfahren informiert ist.
Bewährte Verfahren zur Einhaltung der Vorschriften
Funktionstrennung
Rollentrennung: Stellen Sie sicher, dass verschiedenen Rollen unterschiedliche Verantwortlichkeiten zugewiesen werden, um Interessenkonflikte zu vermeiden und das Betrugsrisiko zu reduzieren.
Zugriffskontrollen: Implementieren Sie strenge Zugriffskontrollen, um sicherzustellen, dass nur autorisiertes Personal auf sensible Daten zugreifen und kritische Funktionen ausführen kann.
Dokumentation und Berichterstattung
Vollständige Dokumentation: Führen Sie umfassende Aufzeichnungen über alle Transaktionen, Prüfungen und Compliance-Kontrollen. Diese Aufzeichnungen sollten leicht zugänglich und gut organisiert sein.
Transparente Berichterstattung: Wir stellen den Stakeholdern transparente und detaillierte Berichte zur Verfügung, die Zusammenfassungen der Prüfungsergebnisse, den Status der Einhaltung der Vorschriften und alle empfohlenen Maßnahmen enthalten.
Abschluss
Fortschrittliche Prüfverfahren und -tools spielen eine entscheidende Rolle für die langfristige Integrität und Compliance tokenisierter Vermögenswerte. Durch den Einsatz forensischer Blockchain-Analysen, automatisierter Prüftools, KI und maschinellem Lernen sowie bewährter Compliance-Praktiken können Prüfer dazu beitragen, diese digitalen Vermögenswerte vor Betrug, Sicherheitslücken und regulatorischen Risiken zu schützen.
Da sich die Welt der digitalen Vermögenswerte ständig weiterentwickelt, ist es unerlässlich, sich über diese fortschrittlichen Techniken auf dem Laufenden zu halten und sie anzuwenden, um Vertrauen und Sicherheit in der tokenisierten Wirtschaft zu gewährleisten.
Vielen Dank, dass Sie uns auf dieser Reise durch die Welt der Prüfung tokenisierter Vermögenswerte begleitet haben. Bleiben Sie dran für weitere Einblicke und Neuigkeiten, während dieses dynamische Feld weiter wächst und Innovationen hervorbringt.
ZK P2P Compliance Win – Wegbereiter für die Zukunft dezentraler Netzwerke
BTCFi Institutional Rush Ignite – Pionierarbeit für die Zukunft der Kryptofinanzierung