Der Schlüssel zum erfolgreichen Investieren?

Zweifellos verändert die Künstliche Intelligenz (KI) das Investmentuniversum grundlegend. Sie hält Einzug. Doch kann sie menschliches Handeln und das Risikomanagemen vollends ersetzen. Eine Bestandsaufnahme zum Für und Wider des KI-Hypes.

Der technologische Wandel schreitet voran. Allein die Geschwindigkeit lässt uns staunend zurück. Beispiel ChatGPT: Ende 2022 gewann mit dem ersten Launch der Applikation das Thema Künstliche Intelligenz (KI) zunehmend Platz in der breiten Öffentlichkeit. Text- oder Bilderkennung bzw. -erstellung leicht gemacht. Das Tool nutzt die KI, um Sprache zu verstehen und eine Antwort zu erzeugen. Easy Going! Pure Erleichterung und Zeitersparnis? Wie weit ist KI im Asset Management fortgeschritten – der große Wurf? KI verändert, wie wir jetzt und künftig mit Finanzdienstleistern interagieren und es verändert das Investmentverhalten.

Ergänzend, nicht substituierend

„Sie läutet keineswegs eine Ära ausschließlich durch KIgesteuerter Produkte ein. Behavioral Finance bleibt ein wichtiger Markttreiber und der menschliche Faktor ist auf jeder Stufe des Investmentprozesses nach wie vor wesentlich. Das Design eines KI-Algorithmus erlaubt es nicht, auf menschliches Management komplett zu verzichten – insbesondere in Ausnahmesituationen wie einem globalen Marktcrash oder der schnellen Erholungsphase nach einer Pandemie“, so Brice Prunas, Portfoliomanager des ODDO Artificial Intelligence. Folglich könnte künftig die Kombination von KI-gesteuerten Investmentprozessen mit menschlichem Risikomanagement den Kern vieler Investmententscheidungen bilden. Die Krux liegt in den zur Verfügung gestellten Daten und deren Aussagekraft.

Daten als Schlüssel zum Erfolg

Themen wie Datenqualität, Zugänglichkeit von Daten, Transparenz und regulatorische Vorgaben sind letztlich marktbestimmend. Zudem bedarf die steigende Menge unstrukturierter Daten leistungsfähige Tools zur Datenanalyse und Verarbeitung. Unschlüssige bzw. unvollständige Datensätze erschweren letztendlich, dass das volle Potenzial einer KI ausgeschöpft wird. „Ein Hauptrisiko von KI ist immer die Qualität der Daten, die der KI für das Training zur Verfügung stehen. Damit die KI die richtigen Schlüsse ziehen kann, müssen die Daten erstens korrekt und vollständig sein. Vollständig bedeutet für KI-Zwecke zum Beispiel auch, dass alle Daten mit einem Zeitstempel versehen sein müssen. Zweitens sollten die Daten möglichst umfangreich und vielfältig sein. Das steigert die Chance der KI, relevante neue Zusammenhänge zu entdecken, die die Performance der Wertpapiere erklären. Und drittens muss die KI mit relevanten Daten gefüttert werden“, so Christian Sievers, Geschäftsführer der LAIC Vermögensverwaltung GmbH. Bezogen auf den Datenumfang wirft Dr. Hendrik Leber, Geschäftsführer von ACATIS, ein, dass diese sehr groß sei. „Nicht so sehr die Zahl der Aktiengesellschaften, sondern die Zahl der Textdokumente und die vielen Simulationsläufe. Das kostet durchaus mal 100.000 oder 200.000 Euro pro Monat allein für die Datenverarbeitung.“ Die Geschwindigkeit, mit der die KI sämtliche Daten analysiert, mögliche Zusammenhänge erkennt und Schlussfolgerungen ableitet, ist frappierend. Moderne Machine-LearningModelle können täglich aktuelle, konsistente Einschätzungen für ein breites Aktienuniversum generieren.

Bei maschinellen Lernverfahren ist der Algorithmus durch Wiederholung selbstständig in der Lage, eine Aufgabe zu bewältigen. Die Maschine orientiert sich dabei an den zugrundeliegenden Kriterien und dem Informationsgehalt der Daten. Es wird kein Lösungsweg vorgezeigt. Verbessert nun die KI das Asset Management und die Performance? Das lässt sich so nicht sagen. „Wir sehen weniger eine Entdeckung von großartigen Einzeltiteln, sondern eher die Selektion guter, breiter Portfolios als die gegenwärtige Stärke der KI. Alles ein bisschen besser, aber (leider) nicht super aufregend“, so ACATIS-Geschäftsführer Dr. Leber.

Risikoreduzierend bei geringerer Rendite?

Eine aktuelle Studie von Scope hat sich jüngst diesem Thema angenommen und jene Fonds näher analysiert, die KITechnologien aktiv in ihrem Investmentprozess einsetzen. Ein Ergebnis: Die KI-gesteuerten Fonds erzielten im Mittel geringere Renditen als herkömmliche Produkte. Demnach ist es nur ca. 40 % gelungen, eine Outperformance gegenüber ihrer jeweiligen Vergleichsgruppe zu generieren. Weniger Rendite, dafür auf der Risikoseite besser abgeschnitten. Laut den Autoren wies jeder zweite Fonds über drei Jahre eine niedrigere Volatilität auf. Beim maximalen Verlust über fünf Jahre lag der Anteil der Outperformer sogar bei mehr als 50 %. Das bedeutet, diese Fonds haben in Verlustperioden weniger stark nachgegeben als die Konkurrenz (Quelle: https://www.scopeexplorer.com/reports/kunstliche-intelligenz-im-fondsgeschaft/202). Die Erklärung für die Reduktion beim maximalen Verlust liegt, laut den Studienautoren, auf der Hand. KI-Modelle würden oftmals anhand von Risikoindikatoren wie Sharpe Ratio, Volatilität und Drawdown gefüttert. Zum anderen sorgten die historischen Daten, auf denen Machine-Learning-Modelle basierten, dafür, dass die Systeme konservativ agierten, da sie lernten, Abstürze und große Risiken zu vermeiden. Scope listet 20 Gesellschaften auf, die KI-gesteuerte Fonds (geratete Peergroup) im Portfolio haben. Die volumenstärksten Fonds stammen demnach von BlackRock, Pictet AM und ODDO BHF AM. (ah)