Institutional Money, Ausgabe 1 | 2020
K ann künstliche Intelligenz Finanz? Diese Frage treibt die Branche nun schon seit einigen Jahren um – und zuletzt war man versucht, sie mit Nein zu beantworten. Denn wie von Institutional Money berichtet, weisen sowohl Indizes, die KI-Strategien abbilden, als auch indivi- duelle Beispiele auf eine Underperformance von KI-getriebenen Investments hin. Dass die Anwendung von KI vor diesem Hintergrund nur sehr verhalten erfolgt, ist zum Ersten keine Überraschung und zum Zweiten das Ergebnis einer aktuellen CFA- Studie mit dem Titel „AI Pioneers in Invest- ment Management“. Das Institut hat mehr als 500 CFA Charterholder Members welt- weit zum Thema künstliche Intelligenz be- fragt. Die Ergebnisse sind relativ eindeutig. So haben in den vergangenen zwölf Mona- ten nur zehn Prozent der Befragten KI-Me- thoden als statistisches Mittel im Invest- mentprozess verwendet ( siehe Chart „Noch nicht angekommen“ ). Backtests und Re- gressionsanalysen gehören hier nach wie vor zu den mit Abstand beliebtesten Metho- den. Jeder Dritte wendet jedoch gar keine statistische Methode an. Bei der eher gene- rell gefassten Frage, für welche Aktivitäten man KI-Algorithmen angewendet hat, sieht es etwas bes- ser aus: Hier haben sich immerhin 31 Prozent mit dem KI-Thema aus- einandergesetzt – die Einschrän- kung: Nur 15 Prozent der Befragten nutzen die künstliche Intelligenz für echte Kauf- und Verkaufsentschei- dungen. Insofern mag es verwundern, dass das deutsche Fonds-Schlachtschiff DWS eine Minderheitsbeteiligung in Höhe von 24,9 Prozent an Ara- besque AI erworben hat. Das Unter- nehmen mit Sitz in Großbritannien fokussiert laut Eigenangaben auf künstliche Intelligenz, maschinelles Lernen und Big Data, um Aktienkursent- wicklungen vorherzusagen. Ziel ist es, neue Anlageprodukte und Dienstleistungen zu entwickeln, die die KI-Einheit nutzen. „Die strategische Partnerschaft mit Arabesque AI wird unsere digitalen Fähigkeiten und ins- besondere unser Know-how auf dem Gebiet der künstlichen Intelligenz deutlich stärken. Wir werden in der Lage sein, disruptive Technologien in der Asset-Management- Branche zu unserem Vorteil zu nutzen“, sagt Asoka Wöhrmann, CEO der DWS. Yasin Rosowsky, Co-CEO von Arabesque AI, meint wiederum: „Künstliche Intelligenz prägt die globale Vermögensverwaltungs- branche rasant, mit Anlegern, die zuneh- mend herausfinden, wie sie Vorteile aus den Fähigkeiten der KI-Technologie ziehen können, um einen Wettbewerbsvorsprung zu erzielen.“ Kooperation statt Abgrenzung Das Schlüsselwort in diesem Zusammen- hang ist möglicherweise „Vorteil“. Es impli- ziert, dass KI allein nicht selig machend, sondern im aktuellen Stadium eher als zu- sätzliches Investment-Tool tauglich ist, um durch ihren Einsatz einen Vorsprung gegen- über der Konkurrenz zu erhalten. Auch die einschlägige Forschung scheint in letzter Zeit eine kooperative Sichtweise zu vertreten. In einer jüngeren Studie wurde nachgewiesen, dass KIs in der Regel nur unter restriktionsfreien Rahmenbe- dingungen erfolgreich agieren kön- nen: Das heißt, es müssen Marktseg- ment, Hebel und Nischen eingesetzt werden können, die die meisten in- stitutionellen Investoren gar nicht nützen dürfen. Dazu zählen bei- spielsweise sehr kleine Unterneh- men, geografische Nischen oder hochfrequente marktneutrale Strate- gien. Stehen diese Mittel nicht zur Verfügung, bleibt der Nutzen von künstlicher Intelligenz aber ein rein akademischer. Das bedeutet nicht, dass künstliche Intelligenz nicht in spezifischen Sub- kategorien des Asset Managements durchaus erfolgreich eingesetzt wer- Geht es um künstliche Intelligenz , landet man in der landläufigen Diskussion schnell bei einem Man-vs.-Machine-Szenario. Gerade im Asset Management legen Praxisbeispiele und jüngste Forschung aber nahe, dass ein hybrider Ansatz aus Mensch UND Maschine die besten Resultate abliefert. Noch nicht angekommen Welche dieser Strategien in den vergangenen 12 Monaten verwendet wurden Nur zehn Prozent der von CFA befragten Asset Manger, Analysten und CIOs haben in den vergangenen zwölf Monaten KI-Technologien eingesetzt. 33 Prozent verweigern KI und Statistik ganz. Quelle: CFA 0 % 10 % 20 % 30 % 40 % 50 % Keine KI bzw. Machine Learning, um nicht-lineare Zusammenhänge zu erfassen Backtests bezügl. Algorithmen Regressionsanlysen, um lineare Zusammenhänge zu erfassen Backtests bezügl. Strategie 50 % 49 % 19 % 10 % 33 % FOTO : © S DECOR E T | S TOCK . ADOB E . COM » Wir wollten herausfinden, inwieweit sich die Arbeit von ,Robo-Analysten‘ und traditionellen, menschlichen Analysten unterscheidet. « Kenneth Merkley, Indiana University Nicht ohne meinen Menschen 146 N o. 1/2020 | www.institutional-money.com T H E O R I E & P R A X I S : KÜNS T L I CHE I NT E L L I GENZ
Made with FlippingBook
RkJQdWJsaXNoZXIy ODI5NTI=