in Robo AdvisorLesedauer: 5 Minuten

Digitalisierung Wie Künstliche Intelligenz im Asset Management funktioniert

Seite 2 / 2

Prognosen in Echtzeit ermöglicht 

Wie eingangs beschrieben nutzt der Acatis-Fonds AI Buzz US Equities seine KI-Anwendungen für unternehmensbezogene Stimmungsanalysen. Ein weiteres Anwendungsbeispiel im Asset Management ist die Standortdaten-Analyse, bei der sogenannte Geolocation Data von Smartphones ausgewertet werden: Die Asset Manager lesen Bewegungs- und Aufenthaltsdaten von Menschen über auf deren Smartphones installierte Apps aus. Für sie sind nie die Smartphone-Besitzer persönlich interessant, sondern die Rückschlüsse, die Smartphone-Daten bezüglich makroökonomischer, branchenspezifischer oder firmenbezogener Kennzahlen erlauben.

So ermöglichen Verkehrspendlerbewegungen zeitnahe Schätzungen über die Entwicklung von Arbeitslosenquoten. Die Smartphone-Anzahl an Flughäfen erlaubt Indikationen für Flugpassagierzahlen in Echtzeit. Und die Verweildauer der Besucher von Einkaufszentren weist auf Umsatzverläufe im Einzelhandel hin. Investoren können ihre so gewonnenen Einschätzungen mit der Marktmeinung abgleichen und bei Abweichungen beispielsweise Long- oder Short-Positionen aufbauen.

Unterstützung für Intraday-Handel

Die Anwendungsbeispiele verdeutlichen, dass KI im Asset Management oft mit Big-Data-Auswertungen verbunden ist. Es gibt allerdings auch KI-Fonds, die klassische, auf Preis- und Fondsvolumendaten basierende quantitative Strategien mit KI neu erfinden: Walnut Investments aus Paris etwa betreibt Intraday-Handel in Futures-Märkten.

Die Suche nach Handelssignalen und deren Interpretationen übernehmen Machine-Learning-Algorithmen. Das Walnut-System ist komplett automatisiert und überwacht sich selbst. Verfehlen die realisierten Gewinne die Prognosen aus den Trainingsdaten, reduziert das System die gehandelten Volumina und trainiert sich selbst anhand der neuen Daten.

Innovationen nicht anderen überlassen

Die Einsatz- und Innovationsmöglichkeiten von KI im Asset Management dürften zügig größer werden. Asset Manager, die KI noch nicht auf der strategischen Agenda haben, sollten jetzt anfangen, sich damit zu beschäftigen. Andernfalls könnten Sie bezüglich Informationsgeschwindigkeit, Informationsqualität, Investmentprozesseffizienz und Fondrenditen über kurz oder lang den Anschluss zur Konkurrenz verlieren.

Wir bei Plexus werden den AI Outperformance Index weiterentwickeln. Insbesondere die Anzahl der weltweit verfügbaren Fonds wird nach und nach steigen. Auch das braucht Zeit, weil wir jeden Asset Manager, der sich um eine Indexaufnahme bewirbt, persönlich besuchen. Das kostet Zeit, Geld und Research-Kapazität. Es zeigt aber auch: KI ersetzt nicht den persönlichen Kontakt, wenn die Qualität hoch bleiben soll. Dies gilt für die Auswahl von Aktien durch Asset Manager genauso wie unsere Auswahl von Asset Managern.

Über den Autor:
Günter Jäger ist Gründer und Managing Partner von Plexus Investments. Vorher leitete er das Portfolio Management des fürstlichen Portfolios sowie der Multimanager-Produkte bei LGT Capital Management in Pfäffikon. Er verfügt über einen Abschluss als Magister der Sozial- und Wirtschaftswissenschaften sowie ein Eidgenössisches Diplom des Finanz- und Anlageexperten. Er ist außerdem Chartered Alternative Investment Analyst (CAIA), Certified Financial Risk Manager (CFRM) und Certified International Wealth Manager (CIWM).

Wie hat Ihnen der Artikel gefallen?

Danke für Ihre Bewertung
Leser bewerteten diesen Artikel durchschnittlich mit 0 Sternen
Tipps der Redaktion