Institutional Money, Ausgabe 4 | 2019

Autor Avramov erklärt. In ihrem Verdacht bestärkt, dass KI-Strategien möglicherweise nur auf vollkommen freien Entscheidungs- pfaden funktionieren, klopfen die Autoren die Strategie nun auf die bereits angedeute- ten Restriktionen ab (siehe Tabelle „KI vor- läufig entzaubert“) : Sie sortieren das Port- folio nach Sentiment, Marktvolatilität, VIX und schließlich nach Illiquidität. Dabei zeigt sich: Je höher Sentiment, Marktvolatilität, VIX und Illiquidität sind, desto besser die Performance des Portfolios. Ebenfalls untersucht wurde, wie die Strate- gie bei Einschränkungen bezüglich Markt- kapitalisierung, Rating und Kreditstress funktioniert. Hier zeigt sich: Wenn man kleinere Unternehmen, nicht geratete Unter- nehmen oder solche, die eine Abwertung des Ratings hinnehmen mussten, aus dem Portfolio entfernt, nimmt der Ertrag im Ver- gleich zum Gesamtmarkt ab – was im Umkehrschluss bedeutet, dass die Ertrags- treiber genau aus jenen Quellen kommen, die Investoren unter Umständen nur ungern anzapfen oder gar nicht anzapfen dürfen. Tatsächlich investiert aber der KI-Fonds von Acatis laut Eigenangaben in „bis zu 50 Aktien aus entwickelten Ländern mit einer Marktkapitalisierung über einer Milliarde Euro und ausreichender Liquidität“. Was legitim ist – wir erinnern uns aber: Je höher die Liquidität, desto geringer ist laut Avra- mov, Cheng und Metzker der Ertrag von KI-Strategien. Ein neuer „KI-Winter“ Solange es künstliche Intelligenzen also nicht schaffen, die mitunter fantastische Per- formance im Labor in die harte Realität des Marktes zu übertragen, wird eine breite Anwendung dieser Technologie wohl nicht stattfinden können. Im Raum steht dann zumindest für das Asset Management ein neuer „KI-Winter“, wie in der Technologie- szene Perioden bezeichnet werden, in denen es zu Enttäuschungen über den technischen Fortschritt und damit einhergehend zu einem Rückgang der privaten und staatli- chen Investitionen kommt. Auch Di Soccio scheint einen derartigen Kälteeinbruch zu befürchten: „Die Entwicklung von bran- chentauglichen KI-Applikationen setzt jah- relange millionenschwere Forschungspro- jekte (…) ohne Garantie auf Erfolg voraus. Das hat die Entwicklung und Anwendung von KI verzögert und stark eingeschränkt.“ Man wird sehen, ob sich mit Googles Syca- more wieder das eine oder andere Früh- lingsgefühl einstellt. HANS WEITMAYR KI vorläufig entzaubert Valuegewichtetes Sechs-Faktor-Modell nach Fama/French, angewandt von einem neuralen Netzwerk mit drei Hidden Layers Sentiment Marktvolatilität VIX Illiquidität Low High Low High Low High Low High GESAMTES ANLAGEUNIVERSUM Low -0,128 -0,098 -0,017 -0,454** 0,010 -0,487* -0,071 -0,252 (-0,67) (-0,47) (-0,12) (-2,11) (0,06) (-1,79) (-0,42) (-1,14) High 0,607*** 0,829*** 0,629*** 0,848*** 0,244 1,174*** 0,679*** 0,847*** (3,50) (3,14) (2,86) (3,49) (1,38) (4,26) (3,23) (4,14) High minus Low 0,736*** 0,927** 0,646** 1,302*** 0,235 1,661*** 0,750*** 1,099*** (3,03) (2,52) (2,40) (4,00) (1,04) (4,10) (2,70) (3,45) OHNE MICRO CAPS Low -0,059 -0,032 0,071 -0,404* 0,071 -0,420 0,012 -0,199 (-0,33) (-0,15) (0,53) (-1,88) (0,46) (-1,55) (0,07) (-0,87) High 0,280** 0,116 0,134 0,432*** 0,028 0,327* 0,247 0,291* (2,29) (0,55) (0,79) (2,72) (0,18) (1,69) (1,44) (1,93) High minus Low 0,339 0,148 0,063 0,836*** -0,043 0,747** 0,235 0,490 (1,48) (0,45) (0,27) (2,92) (-0,18) (2,00) (0,88) (1,62) OHNE „NICHTGERATET“ Low -0,095 -0,158 0,066 -0,494* 0,028 -0,470 -0,155 -0,186 (-0,45) (-0,81) (0,43) (-1,89) (0,18) (-1,46) (-0,87) (-0,76) High 0,295** 0,152 0,158 0,418** 0,055 0,339 0,368** 0,186 (2,15) (0,72) (0,96) (2,53) (0,35) (1,55) (2,42) (1,16) High minus Low 0,390 0,310 0,092 0,912*** 0,028 0,809* 0,523** 0,372 (1,50) (1,04) (0,42) (3,01) (0,12) (1,97) (2,02) (1,23) OHNE „DOWNGEGRADET“ Low 0,001 0,357 0,180 -0,068 0,208 -0,173 0,083 0,181 (0,01) (1,52) (1,15) (-0,21) (1,34) (-0,42) (0,50) (0,63) High 0,358** 0,220 0,229 0,534*** 0,151 0,404* 0,384** 0,316* (2,53) (1,01) (1,31) (2,99) (0,95) (1,72) (2,26) (1,86) High minus Low 0,356 -0,136 0,049 0,602* -0,057 0,578 0,301 0,135 (1,44) (-0,43) (0,21) (1,73) (-0,23) (1,24) (1,24) (0,42) Im Rahmen der Studie „Machine Learning versus Economic Restrictions“ wurde anhand des US-Marktes untersucht, ob KI-Strategien auch dann funktionieren, wenn sie Bedingungen und Restriktionen unterworfen sind, die im „echten Markt“ allgegenwärtig sind – also etwa der Ausschluss von sehr kleinen, nicht gerateten Unternehmen oder Unternehmen, deren Credit Rating sich gerade verschlechtert hat. Das Resultat: Nimmt man besagte Unternehmen aus dem Anlageuniversum heraus, verschlechtert sich die KI-Performance rapide. Quelle: Studie 198 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