Erkennung betrügerischer ICOs anhand ihrer Whitepaper

Mit dem Hype um die Kryptowährung Bitcoin und andere Blockchain-basierte digitale Assets in der jüngeren Vergangenheit haben sogenannte Initial Coin Offerings (ICOs) erheblich an Aufmerksamkeit in den Medien und bei Investoren gewonnen, sodass in der Folge eine Vielzahl von ICOs durchgeführt wurde. Insbesondere für Start-ups und kleine Unternehmen stellen ICOs eine praktikable Möglichkeit zur Mittelbeschaffung dar, da sie mit einem ICO im Vergleich zu einem traditionellen Börsengang (IPO) mit geringeren Kosten und weniger regulatorischen Hürden konfrontiert sind.

ICOs werden jedoch oft in der Frühphase eines Unternehmens durchgeführt oder bereits dann, wenn lediglich eine Geschäftsidee existiert. Zusammen mit der rechtlichen Grauzone, in der ICOs derzeit durchgeführt werden (Lausen, 2019), stellen ICOs eine riskante Investition dar, da sie manipulatives Verhalten erleichtern und sich einige ICOs bereits als Betrug herausgestellt haben. Während die Regulierungsbehörden weltweit die Zunahme von ICOs kritisch beobachten, stellen betrügerische ICOs eine große Bedrohung für Investoren und die Integrität des neuen ICO-Marktes dar.

Ziel dieser Masterarbeit ist es daher, zunächst die akademische Literatur zum Thema ICOs aufzuarbeiten, den regulatorischen Rahmen darzustellen und auf relevante Studien zur automatisierten Erkennung von Betrug in Finanzmärkten einzugehen. Darauf aufbauend soll mittels Techniken des maschinellen Lernens ein System zur automatischen Erkennung von betrügerischen ICOs entwickelt werden. Die Klassifizierungsalgorithmen sollen dabei sowohl manuell abgeleitete qualitative Merkmale als auch textuelle Merkmale der ICO-Whitepaper, die mittels Natural Language Processing zu ermitteln sind, berücksichtigen. Abschließend sollen die entwickelten Klassifizierer und ihre Eignung zur Erkennung betrügerischer ICOs diskutiert werden.