Ein technologischer Fortschritt kann die Weltwirtschaft beeinflussen oder sogar verändern, geschweige denn einen bestimmten Sektor.

Die Dampfmaschine in der ersten industriellen Revolution, die Elektrizität in der zweiten und die Internet-Technologie in der dritten haben die Geschichte der Menschheit grundlegend verändert. Big Data und künstliche Intelligenz (KI) haben heute das gleiche transformative Potenzial.

Wenn es um Big Data und KI im Investment Management geht, erwarten einige Leute eine rosige Zukunft mit verschiedenen neuen Alpha-Quellen. Andere machen sich Sorgen über die Jobs, die durch Prozessautomatisierung an Maschinen verloren gehen könnten.

In Bezug auf die neuen Alpha-Quellen werfen die Entwicklungen in dieser vierten industriellen Revolution eine Reihe kritischer Fragen auf. Wie Investmentprofis mit ihnen umgehen, wird entscheidend dazu beitragen, wer sich erfolgreich anpasst und wer möglicherweise überholt ist.

Häufig gestellte Fragen (FAQs)

1. Können Anlageverwalter durch den Einsatz von Big Data und KI Wettbewerbsvorteile bei der Auswahl von Wertpapieren und der Asset Allocation erzielen?

Dies hängt vom Anlagehorizont ab. Beispielsweise könnten beim kurzfristigen Hochfrequenzhandel (HFT) Investitionsmöglichkeiten – das kurzfristige Rauschen anstelle des wirtschaftlichen Mehrwerts oder die Fehlpreisgestaltung aufgrund strukturierter Verhaltenstendenzen – weggeschmissen werden. Im Gegenteil, langfristige Investitionen wie Umwelt-, Sozial- und Governance-Faktoren (ESG), Engagement-Fonds und Private-Equity-Fonds erfordern weiterhin Interaktionen mit der Unternehmensleitung. Darüber hinaus müssen Anleger für jede potenzielle Investition, die nicht durch Big Data unterstützt wird, die AI durchsuchen kann, eine detailliertere und praktischere Analyse durchführen. In diesem Sinne könnten sich mittelfristig Chancen auf den öffentlichen Märkten ergeben. *

2. Wenn KI das beste Instrument ist, um Big Data nach Quellen für Wettbewerbsvorteile zu durchsuchen, werden diese Vorteile in Bezug auf Umfang und Nachhaltigkeit begrenzt sein? Oder werden sie größer und dauerhafter sein?

Mittelfristige Investitionen auf öffentlichen Märkten sind mit Investmentmanagern überfüllt. Die hohen Kosten für die Erfassung von Big Data und die Implementierung von KI können dazu führen, dass nur größere Manager und Nischenanbieter die Chancen dieser Technologien nutzen können. Wenn nur wenige große Manager den Raum dominieren, könnte ihr Vorteil langfristig bestehen bleiben. Big Data muss jedoch von hoher Qualität sein, um dauerhafte Erkenntnisse zu gewinnen: Unabhängig davon, wie ausgefeilt die KI-Techniken eines Unternehmens sind, können sie aus dem großen Müll keine umsetzbaren Investitionsmöglichkeiten extrahieren. Darüber hinaus sind im Rückblick auf die Geschichte viele Marktabstürze auf Überbelegung und Störungen bei den mechanischen Anlageansätzen zurückzuführen – beispielsweise auf den Black Monday 1987 und die Quant Liquidity Crunch im August 2007. Solche Ergebnisse können unvermeidlich sein, selbst für Big Data und KI.

3. Sind Big Data und AI inkrementelle Fortschritte oder Quantensprünge?

Sowohl Vermögensverwalter als auch Vermögensbesitzer glauben an Big Data und KI. Aber Maschinen können Menschen nicht überzeugen. Sie schulden ihnen auch keine Treuepflicht. Darüber hinaus müssen unsere Investitionen bilanziert und intuitiv verständlich sein. Maschinen können die wirtschaftlichen und verhaltensbezogenen Gründe einer bestimmten Anlagestrategie nicht kommunizieren. Das wird einige Zeit dauern, vielleicht eine Generation oder mehr. Daher sind Big Data und KI wahrscheinlich eher ein schrittweiser Fortschritt als ein Quantensprung.

Es ist wichtig, übermäßige Erwartungen und grassierende Spekulationen zu vermeiden und sich stattdessen darauf zu konzentrieren, wie diese Tools angemessen angewendet werden können. Es ist nicht der Investmentmanager mit der besten Performance, der überlebt oder der am besten informiert ist. Es ist derjenige, der sich am besten an Veränderungen anpassen kann.

Wenn Ihnen dieser Beitrag gefallen hat, vergessen Sie nicht, den unternehmungslustigen Investor zu abonnieren.

* Anlagefachleute sollten folgende Punkte beachten:

1. Die Verteilung von Finanzdaten weist sowohl in Zeitreihen als auch im Querschnitt Nichtstationarität und Fettschwänze auf.

2. Einige Phänomene wiederholen sich nicht – bestimmte Ereignisse sind einmalig. So stieg der Schweizer Franken am 15. Januar 2015 gegenüber dem Euro um mehr als 20%. Wird sich dies auf absehbare Zeit wiederholen? Wahrscheinlich nicht.

3. Im Gegensatz zu selbstfahrenden Autos können wir beispielsweise verschiedene wirtschaftliche und politische Szenarien in der realen Welt nicht testen. Makropolitische und wirtschaftliche Instabilitäten sind ebenfalls eine Herausforderung. Weder die Zukunft noch die Vergangenheit ist der gewichtete Durchschnitt verschiedener Schätzungen – es gibt nur einen Weg. Big Data und KI geben uns möglicherweise ein wahrscheinlichkeitsgewichtetes Ergebnis und jedes einzelne Szenario, aber Menschen haben kognitive und entscheidungsrelevante Vorurteile, die die Ergebnisse subjektiv machen.

Alle Beiträge sind die Meinung des Autors. Als solche sollten sie weder als Anlageberatung ausgelegt werden, noch spiegeln die geäußerten Meinungen notwendigerweise die Ansichten des CFA-Instituts oder des Arbeitgebers des Autors wider.

Bildnachweis: © Getty Images / FrankRamspott

Yoshimasa Satoh, CFA

Yoshimasa Satoh, CFA, ist Vice President und Produktstratege / Lösungsspezialist APAC bei eVestment. Während seiner gesamten Karriere war er für das Portfoliomanagement, die Multi-Asset-Anlagestrategie und die Forschung und Entwicklung im Asset Allocation-Modell verantwortlich. Zuvor war er als Portfoliomanager für quantitative Anlagestrategien bei Goldman Sachs Asset Management und anderen Unternehmen tätig. Er begann seine Karriere am Nomura Research Institute, wo er das Team für Aktienhandelstechnologie von Nomura Securities leitete. Yoshimasa ist Vorstandsmitglied der CFA Society Japan. Er hat einen Bachelor- und Master-Abschluss in Ingenieurwissenschaften von der Universität Tsukuba.