Institutional Money, Ausgabe 4 | 2019

geschlagen, im Durchschnitt lagen die KIs 3,77 Prozent hinter den jeweiligen Ver- gleichsstandards. Nicht zuletzt diese ernüch- ternden Zahlen könnten für Plexus ein Grund dafür gewesen sein, die im Februar angekündigten Pläne, gemeinsam mit Oddo BHF AM ein KI-Investmentvehikel aufzu- legen, auf unbestimmte Zeit zu verschieben – zumindest will sich CEO Günter Jäger weder auf ein Lancierungsdatum noch auf die Nennung einer Zeitspanne einlassen. Angedacht gewesen wäre die Auflage eines Fund of Funds, der in bestehende KI-Fonds investiert. Einzelschicksale … Dass KI-Fonds in der Praxis Proble- me haben, zeigen aber nicht nur Indi- zes, sondern auch einzelne Produkte, die sich im Gegensatz zu der nur am Computer laufenden KI-Strategie von Di Soccio tatsächlich im Markt bewäh- ren müssen. So fällt es der eingangs er- wähnten KI von Acatis enorm schwer, performancetechnisch Tritt zu fassen. Der Fonds, der auch über eine institutionelle Tranche verfügt, wurde kurz nach seinem Start im Jahr 2017 ein erstes Mal neu auf- gesetzt und legte 2019 ein gutes erstes Jah- resdrittel hin, um dann wieder deutlich ein- zuknicken. Im Juli kam es zu einer erneuten Rekalibrierung: „Als neues Modell zur Ak- tienauswahl ist ein Graphisches Neuronales Netz eingesetzt worden, die Datenqualität und Datenverarbeitung sind weiter verbes- sert und die Portfoliokonstruktion stark ver- einfacht worden“, wie es in einer entspre- chenden Aussendung heißt. Auch die Schweizer Boutique Private Alpha ist mit ihrem KI-Projekt Private Alpha AI Global Opportunity nicht unbedingt erfolgsver- wöhnt. Der Mischfonds sollte laut Eigen- angaben „über unvoreingenommenes Risi- komanagement“ punkten, notierte zuletzt laut Bloomberg-Daten aber deutlich in ne- gativem Terrain. … oder Systemschwäche? Stellt sich die Frage, ob es sich bei diesen Beispielen nur um Einzelschicksale bezie- hungsweise ungünstige Momentaufnahmen handelt oder doch um ein systemweites Pro- blem. Ein israelisch-chinesisches Forscher- team, bestehend aus Doron Avramov, Si Cheng und Lior Metzker, die respektive an der IDC Herzliya, der Chinese University of Hong Kong und der Hebrew University of Jerusalem wirken, hat sich genau dieser Frage angenommen. In ihrer Arbeit „Machine Learning versus Economic Restrictions: Evidence from Stock Price Predictability“ messen die Autoren die Performance von KI-Strategien und sehen sich dann an, wie diese Strate- gien funktionieren, wenn sie, wie der Titel schon sagt, ökonomischen Restriktionen ausgesetzt sind. Gerade im institutionellen Bereich gibt es derer ja genügend: seien es Einschränkungen beim Einsatz von Deriva- ten, Marktkapitalisierungen oder Leerver- kaufspositionen. Das ist insofern interessant, als sich der Großteil der theoretischen KI- Ansätze solchen Einschränkungen nicht unterwirft. Um eine Ausgangsbasis herzustellen, be- dienen sich die Autoren bereits etablierter KI-Modelle, unter anderem des erst dieses Jahr von Gu, Kelly und Xiu (GKX) in „Em- pirical asset pricing via machine learning“ entworfenen neuronalen Netzwerks mit drei Hidden Layers (NN3). Analysiert werden US-Aktien von 1987 bis 2017. Das gleich- gewichtete, alle Titel umfassende Long- Short-Portfolio ergibt einen statistisch rele- vanten monatlichen Ertrag von 2,47 Prozent – was ein herausragendes Ergebnis ist und die Resultate vergangener Forschungsarbei- ten bestätigt. Doch was passiert, wenn man keinen „Equal Weight“-, sondern etwa einen value- gewichteten Ansatz verfolgt? „Dann gehen die Erträge des Portfolios nach der GKX- Methode um 47 Prozent zurück“, wie Co- FOTO : © A . I . MACH I NE S Hoffnungsfunke vorerst wieder erloschen Der KI-Fonds der ansonsten erfolgreichen Acatis steht unter Druck. Der global investierende KI-Aktienfonds von Acatis schafft es trotz Relaunch und Rekalibrierung nicht, den MSCI World zu schlagen. Nach einer starken ersten Jahreshälfte 2019 ist der Fonds wieder ins Minus gerutscht. Quelle: Bloomberg -15 -10 -5 0 5 10 2019 2018 2 MSCI World Index Acatis AI Global Equities U Wenig berauschende Performance Der Schweizer KI-Fonds hat eine schwierige Startphase. Auch der Schweizer KI-Neuling BiPrivate Alpha Global Opportunity schafft es mit seinem Fokus auf Risikomanagement vorerst nicht, Tritt zu fassen. Die Historie ist jedoch mit einem Jahr Laufzeit noch sehr beschränkt. Quelle: Bloomberg 94 96 98 100 102 104 2019 0 % 2 UNPAAGO GR Equity (Private Alpha AI Global Opportunity Fund) » Die Entwicklung von KI-Applikationen im Asset Management setzt jahrelange millionenschwere Forschung voraus. « Alessandro Di Soccio, Co-CEO A.I. Machines 196 N o. 4/2019 | www.institutional-money.com P R O D U K T E & S T R A T E G I E N : KÜNS T L I CHE I NT E L L I GENZ