Künstliche Intelligenz: Die schöne neue Welt des Investmentmanagements?

Künstliche Intelligenz kann Ihnen Ihre Aufsätze oder Pressemitteilungen schreiben, Ihre Krankheiten diagnostizieren, Ihre Einkäufe bestellen oder sogar Ihr Auto fahren. Zunehmend wird sie aber auch bei der Verwaltung Ihrer Anlagen eingesetzt. Dabei kann es sich um die Auswahl der richtigen Unternehmen handeln, in die investiert werden soll, oder um das Sammeln von Unternehmensdaten als Grundlage für Anlageentscheidungen. KI kann auch beim Risikomanagement hilfreich sein. Das bedeutet, dass Investmentmanager, die sich ausschließlich auf menschliche Intelligenz verlassen, Gefahr laufen, abgehängt zu werden.

Mit zunehmender Rechenleistung können immer größere Datenmengen erfasst und abgefragt werden. Eine Reihe von Branchen hat Anwendungsmöglichkeiten für die von der KI generierte Informationsverarbeitung und -analyse gefunden und das Investmentmanagement stellt hier keine Ausnahme dar.

In der Finanzbranche wird bereits getestet, ob KI bei der Auswahl von Unternehmen eingesetzt werden kann. Ein zu Beginn des Jahres 2023 vom Finanzvergleichsportal finder.com durchgeführtes Experiment ergab, dass ein von OpenAIs ChatGPT ausgewählter Korb an Aktien im Vergleich zu einigen der führenden britischen Aktienfonds eine Outperformance erzielte. Zwischen dem 6. März und dem 28. April legte ein Dummy-Portfolio aus 38 Aktien um 4,9% zu, während die zehn beliebtesten britischen Fonds auf der Handelsplattform Interactive Investor einen durchschnittlichen Verlust von 0,8% verzeichneten.

Natürlich wies diese Studie einige offensichtliche Einschränkungen auf. Sie erstreckte sich über einen relativ kurzen Zeitraum, ChatGPT tendierte dazu, sich auf die größten Aktien zu konzentrieren, und das Experiment fiel zufällig mit einem Zeitraum zusammen, in dem die relative Performance von Large-Cap-Aktien stärker war. Es gibt auch Bedenken, ob ein von der KI generiertes Portfolio eine ausreichende Diversifizierung bieten würde. Es hat sich jedoch gezeigt, dass der Einsatz von KI mit etwas Finesse eine wichtige Rolle bei der Aktienauswahl und dem Portfolioaufbau spielen könnte.

Es gibt bereits einige spezialisierte Unternehmen, die eigene Technologien und maschinelle Lernverfahren einsetzen, um Tausende von Datenpunkten zu analysieren und Portfolios aufzubauen, die auf den Anlagezielen und der Risikobereitschaft des Anlegers basieren.

Anlageverwalter nutzen zunehmend KI-Anwendungen, um bessere Entscheidungen treffen und Unternehmen eingehender analysieren zu können, sei es durch die Analyse von Massendaten, um ein besseres Verständnis von Echtzeit-Verkaufsmustern zu erlangen, oder durch die Untersuchung sozialer Medien, um Schlüsselrisiken zu bewerten.

Unternehmen verstehen

Anlageverwalter erkennen die Bedrohung und nutzen zunehmend KI-Anwendungen, um bessere Entscheidungen treffen und Unternehmen eingehender analysieren zu können, sei es durch die Analyse von Massendaten, um ein besseres Verständnis von Echtzeit-Verkaufsmustern eines Unternehmens zu erhalten, oder durch die Untersuchung sozialer Medien, um Schlüsselrisiken zu bewerten.

Der weltgrößte Vermögensverwalter hat im Jahr 2018 das BlackRock Lab for Artificial Intelligence in Palo Alto im kalifornischen Silicon Valley gegründet, in dem nach Möglichkeiten gesucht wird, Massendaten (Big Data) zu sammeln und für bessere Einblicke zu nutzen, mit denen höhere Renditen für Kunden erzielt werden können. Schroders, Goldman Sachs und BNY Mellon verfügen ebenfalls über umfangreiche Programme, in denen die Einsatzmöglichkeiten dieser Technologie untersucht werden.

Schroders erklärt, sein Ziel bei der Nutzung von KI liege nicht darin, Modelle und Algorithmen für den Handel zu entwickeln: „Wir nutzen unsere Datensätze und KI-Techniken, um unseren Anlegern umfassendere Einblicke zu bieten, damit sie bessere Anlageentscheidungen treffen können. Wir setzen KI nicht ein, um Menschen zu ersetzen, sondern um ihnen einen Informationsvorsprung bei Anlageentscheidungen zu verschaffen.“

„(…) Wir setzen KI nicht ein, um Menschen zu ersetzen, sondern um ihnen einen Informationsvorsprung bei Anlageentscheidungen zu verschaffen“ (Schroders)

Mit der zunehmenden Leistungsfähigkeit der KI wird dies für Anlageverwalter immer hilfreicher. Früher konnten Computer nur strukturierte Daten analysieren, die auf eine bestimmte Weise vorgelegt wurden. Nun kann KI auch unstrukturierte Daten wie E-Mails, Textnachrichten oder Sprachaufzeichnungen analysieren. Dies ermöglicht die Interpretation von Informationen aus einer weitaus größeren Bandbreite von Quellen, einschließlich Bildern und Sprache.

Goldman Sachs erklärt: „Der Zugang zu neuen Datentypen und die Fähigkeit, diese Daten schnell zu erfassen und zu verarbeiten, haben uns neue Möglichkeiten eröffnet, Anlagethemen wie Dynamik, Wert, Rentabilität und Stimmung zu erfassen.“

Verschafft KI einen Vorteil?

Sollten Anleger bei der Auswahl von Anlageverwaltern nach Unternehmen Ausschau halten, die über KI-Funktionen verfügen? Es gibt nur relativ wenige Daten darüber, ob Fondsmanager dank KI bessere Leistungen erzielen, vor allem weil sich die Technologie so schnell entwickelt.

In einem Bericht von Cerulli Associates aus dem Jahr 2020 wurde festgestellt, dass Hedgefondsmanager, die KI-Funktionen nutzen, einen Wettbewerbsvorteil gegenüber ihren Konkurrenten haben: Sie erzielten in den drei Jahren bis Mai 2020 eine Rendite von 34%, verglichen mit 12% für die gesamte globale Hedgefondsbranche. Folgedaten lieferten jedoch weit weniger aussagekräftige Ergebnisse, da viele KI-gesteuerte Strategien mit den Turbulenzen an den Aktien- und Rentenmärkten zwischen 2020 und 2023 zu kämpfen hatten.

Wie bei jeder Analyse sind die gewonnenen Erkenntnisse nur so gut wie die Daten, die in das Modell einfließen. Wenn sie erhebliche Lücken aufweisen, sind sie wahrscheinlich irreführend und könnten Anlageentscheidungen eher beeinträchtigen als verbessern. Für eine zuverlässige Analyse müssen die Daten genau und konsistent sein.

Es ist jedoch auch wahr, dass Anlageverwalter, die diese Techniken nicht nutzen, ins Hintertreffen geraten könnten. Das Datenvolumen wächst weiterhin explosionsartig; Statistica sagt voraus, dass es sich zwischen 2022 und 2025 auf 181 Zettabyte verdoppeln wird (ein Zettabyte entspricht einer Billion Gigabyte). Zum Vergleich: Im Jahr 2010 gab es nur zwei Zettabyte an Daten.

Mit der zunehmenden Verfügbarkeit von Daten werden Investmentmanagement-Gruppen, die sich allein auf menschliches Fachwissen verlassen, möglicherweise Probleme bekommen. Luke Ellis, CEO des britischen Hedgefonds-Managers Man Group, ist der Ansicht, dass sich die Nichtanwendung quantitativer Ansätze unter Verwendung von Big Data für Fondsgesellschaften als fatal erweisen könnte: „Wenn Sie nicht wissen, wie Sie mit Daten angemessen umgehen, sind Sie im Handumdrehen weg vom Fenster“.

Zusammenarbeit mit Datenanalysten

Die Lösung liegt darin, dass Anlagemanager und Datenanalysten eng und harmonisch zusammenarbeiten. Anlageteams müssen ermitteln, auf welche Bereiche sich die Datenanalysten konzentrieren sollen. Wenn jede Gruppe für sich allein arbeitet, stellen Datenanalysten laut Schroders nicht zwangsläufig die richtigen Fragen. Zudem erlangen die Anlageteams kein Verständnis für die Funktionsweise der Technologie.

Wirksame datenwissenschaftliche Analysen werden Einblicke ermöglichen, die anderen bisher wahrscheinlich entgangen sind.

Wirksame datenwissenschaftliche Analysen werden Einblicke ermöglichen, die anderen bisher wahrscheinlich entgangen sind. Je größer die Datenmenge, die zum Verständnis eines Unternehmens oder einer Anlage relevant sein kann, desto mehr Kombinationen und Permutationen sind bei der Analyse möglich.

Ist die künstliche Intelligenz also ein zentraler Bestandteil der schönen neuen Welt des Investmentmanagements? KI ist zweifelsfrei eine wichtige Entwicklung. Investmentgesellschaften, die das richtige Maß zwischen Datenwissenschaft und etabliertem Portfoliomanagement finden, könnten erheblich im Vorteil sein. Im schlimmsten anzunehmenden Szenario könnte das Management jedoch völlig abhängig von historischen Daten und Trends werden, anstatt zu analysieren, wie sich ein Unternehmen aktuell schlägt. Menschen und Roboter brauchen einander mehr, als ihnen bewusst ist.