Künstliche Intelligenz Sind Algorithmen die besseren Asset Manager?
Im zweiten Schritt sind die Signale zu definieren, auf deren Basis später die Allokationen vorgenommen werden. Künstliche Intelligenz ermöglicht es, relevante Signale auch selbständig zu erkennen und neue Datenquellen auszuwählen. Beim dritten Schritt, Portfoliokonstruktion und Risikomanagement, können Methoden der Künstlichen Intelligenz dabei helfen, Schätzungen für Input-Parameter zu verbessern oder risikoadjustierte Renditen dynamisch zu gewichten. Und viertens kann Künstliche Intelligenz schließlich beim Trading die Preisbildung bei schwacher Datenlage unterstützen oder Transaktionskosten optimieren.
Die Beispiele zeigen: Im quantitativen Asset Management kann Künstliche Intelligenz durch ihre Adaptivität und die Fähigkeit des eigenständigen Lernens Beiträge entlang der gesamten Wertschöpfungskette leisten. Durch Maschinelles Lernen lassen sich Erkenntnisse gewinnen, indem Korrelationen ohne vorherige Kenntnis über relevante kausale Zusammenhänge identifiziert werden – binnen kürzester Zeit aus Datenmengen, die für das menschliche Gehirn nicht im Ansatz zu verarbeiten wären. Je größer die zur Verfügung stehenden Datenmengen, desto besser. Methoden der Künstlichen Intelligenz sind deshalb grundsätzlich für alle Finanzmärkte geeignet, die umfangreiches Datenmaterial in möglichst hoher Frequenz generieren. Künstliche Intelligenz braucht Daten – so viele wie möglich.
Welche Rolle bleibt dem menschlichen Asset Manager vor diesem Hintergrund? Wird er in Zukunft überflüssig, weil nur noch Algorithmen über die Portfoliozusammensetzung der Investoren entscheiden? Mit Sicherheit nicht. Es wird immer Investoren geben, die dem menschlichen Urteilsvermögen mindestens ebenso viel Vertrauen wie einem Algorithmus entgegenbringen, wenn rentable Anlagestrategien entwickelt und individuelle Investitionsentscheidungen getroffen werden sollen. Manche Investoren handeln bewusst diskretionär oder antizyklisch – oder entscheiden einfach nach dem Bauchgefühl.
Jeder Algorithmus braucht menschliche Schöpfer und Begleiter
Für quantitative Anlagestrategien bedeutet Künstliche Intelligenz vor allem, größere Datenmengen – auch aus neuen und bislang unüblichen Datenquellen wie Newsfeeds oder Blogs – in kürzerer Zeit zu verarbeiten und dabei gleichzeitig die zugrundeliegenden Algorithmen und Modelle selbstständig zu optimieren. Dieser permanente Feedback-Loop ist das wesentliche Unterscheidungsmerkmal zu herkömmlichen quantitativen Strategien. Doch auch hierbei ist ein menschlicher Asset Manager nicht vollständig zu ersetzen.
