Künstliche Intelligenz: Robuste Anlageergebnisse durch beherrschten Einsatz
-
Daniel Willmann, Mitgründer und Managing Partner
Investoren möchten am Kapitalmarkt in allen Marktphasen mit hoher Verlässlichkeit positive Erträge erwirtschaften. Dafür muss eine Anlagestrategie zwei Kriterien erfüllen: Sie muss breit über unterschiedliche Renditequellen diversifiziert sein und das Exposure gegenüber diesen Renditequellen aktiv steuern.
Renditen erzielen Anleger am Kapitalmarkt durch die Übernahme von systematischen und unsystematischen Risiken. Systematisch sind Risiken, die prinzipiell nicht vollständig diversifiziert werden können. Ein in internationale Aktien- und Anleihemärkte investiertes Portfolio wird – trotz sehr breiter Streuung über unterschiedliche Wertpapiere – immer dem Trend am Weltaktienmarkt sowie der Zinsentwicklung ausgesetzt sein. Weltmarkt- und Zinsrisiken gelten als systematische Risiken, die in der Regel auf der Ebene der Asset Allokation bewirtschaftet werden. Entsprechend ist die Asset Allokation die Ausrichtung eines Portfolios auf die systematischen Risiken und damit die langfristigen Risikoprämien am Kapitalmarkt.
Unsystematische Risiken kommen ins Spiel, wenn bewusst auf Diversifikation verzichtet und in einzelne Wertpapiere investiert wird, z.B. in eine Auswahl von Aktien. Ein solches Vorgehen ist verbunden mit der Erwartung, dass die selektierten Titel eine diversifizierte Anlage z.B. in einen Aktienindex in der Performance übertreffen. Einzeltitelselektion oder auch die Ausrichtung auf einen Faktorstil wie Value, Growth, Quality, Size oder Momentum dienen der Erschliessung von ausserordentlichen Renditechancen durch gezielte Übernahme von spezifischen Risiken.
Einflüsse auf Kursverläufe
Die Erschliessung der Renditequellen sowohl auf der Allokations- als auch der Selektionsebene ist eine essenzielle Grundvoraussetzung für die Erzielung von positiven Renditen über den Marktzyklus. Die Herausforderung besteht allerdings darin, dass sowohl die systematischen Risikoprämien auf der Allokationsebene als auch die Überrenditemöglichkeiten auf der Selektionsebene über die Zeit stark variieren und daher ein kompetentes aktives Management voraussetzen. Neben geeigneten operativen Prozessen geht es dabei vor allem um die strukturierte Analyse umfassender Datenmengen, um Allokations- und Selektionsentscheidungen zu treffen. Die absoluten und relativen Renditen der verschiedenen Anlageklassen auf der Allokationsebene werden von wirtschaftlichen Erwartungen, geopolitischen Ereignissen und der allgemeinen Risikobereitschaft bzw. dem Sentiment der Marktteilnehmer beeinflusst. Die absoluten und relativen Renditen einzelner Wertpapiere unterliegen ebenfalls diesen Makroeinflüssen, werden aber zusätzlich noch von spezifischen fundamentalen Daten und individuellen Kursverläufen bestimmt. Eine profunde Analyse von makroökonomischen und fundamentalen Daten, von historischen Preisentwicklungen für Wertpapiere sowie allen möglichen Wechselwirkungen gehört also zum täglichen Handwerkszeug, wenn mit hoher Verlässlichkeit positive Erträge erwirtschaftet werden sollen.
Moderne KI-Infrastrukturen treffen bessere Anlageentscheidung
Das maschinelle Lernen aus sehr grossen und heterogenen Datenmengen in Entscheidungsprozessen gehört zu den Stärken moderner Infrastrukturen der Künstlichen Intelligenz (KI). Die Möglichkeiten, mit neuronalen Netzen komplexe Wirkungszusammenhänge zwischen makroökonomischen, fundamentalen und Preisdaten eines grossen Anlageuniversums dynamisch zu erfassen – vor allem auch nichtlineare Beziehungen -, macht KI-basierte Anlageprozesse für die Umsetzung von robusten Anlagestrategien besonders geeignet. In einer guten KI-Infrastruktur sind rigoros trainierte «Machine Learning»-Algorithmen im Einsatz, die in einem holistischen Modell aus makroökonomischen und fundamentalen Einflussgrössen sowie den Preisbewegungen am Kapitalmarkt täglich Selektions- und Allokationssignale generieren. Pro Handelswoche und Aktienuniversum stehen mehrere Millionen systematisch aufbereitete Datenpunkte für die ganzheitliche Analyse zur Verfügung. Um aus dieser enormen Datenmenge entscheidungsrelevantes Wissen schöpfen zu können, benötigt es eine performante Speicher- und Recheninfrastruktur. Dabei kommt dem Einsatz von Cloud Computing eine entscheidende Rolle zu: Das flexible und kosteneffiziente Buchen von Rechen- und Speicherkapazitäten erlaubt es heutzutage, alle technischen Voraussetzungen zu schaffen, um basierend auf einer umfassenden Datengrundlage bessere Anlageentscheidungen treffen zu können. Die weltweiten Forschungsbemühungen, um die Einsatzmöglichkeiten von KI im Asset Management auszuloten, tragen zu einer rasanten Wissensentwicklung bei. Daraus werden in den nächsten Jahren neue Wege für die Erwirtschaftung von Mehrwerten am Kapitalmarkt entstehen.
Künstlicher Intelligenz bietet also erhebliche Potentiale in der Kapitalanlage, da Machine Learning mehrere Einflussgrössen gleichzeitig analysiert, die Komplexität besser erkennt und sich als selbstlernendes Modell sich wechselnden Marktregimes anpasst. Um die Chancen bestmöglich zu nutzen, sollte Anleger auf Gesellschaften setzen, die in die weltweite Wissensentwicklung auf dem Gebiet der Künstlichen Intelligenz eingebettet sind, im engen Austausch mit führenden Universitäten stehen und über entsprechendes Know-how bei den handelnden Personen verfügen. Ein gutes interdisziplinäres Team ist beispielsweise mit Experten aus den Bereichen Finance, Computer und Data Science sowie Mathematik, Physik und Neurowissenschaften zusammengesetzt. Denn nur mit Qualität können Machine Learning-Modelle konsistent weiterentwickelt werden und so für Anleger einen nachhaltigen Mehrwert am Kapitalmarkt erwirtschaften.
Bio
Dr. Daniel Willmann ist Mitgründer und Managing Partner der Othoz GmbH, die in der Schweiz von Agathon Capital vertreten wird. Der international studierte und promovierte Wirtschaftswissenschaftler sammelte erste berufliche Erfahrungen in unterschiedlichen Professional-Services-Organisationen in München, Frankfurt und London und war als wissenschaftlicher Assistent und Lehrbeauftragter an der RWTH Aachen tätig. Zudem ist er Preisträger des Anthony Hopwood Awards der London School of Economics für akademische Leistungen.