Institutional Money, Ausgabe 4 | 2022

fall des Reallokationsproblems verstanden werden“, erklärt Marco Wunderlich, Head of Client Development bei Get Capital. Der Modellmix hat aus Sicht des Fondshauses genau diese Aufgabe im Krisenjahr 2020 er- füllt. „Der Jahresbeginn war zunächst posi- tiv mit neuen Höchstständen bis Mitte Fe- bruar“, wie sich Pashutan Modaresi, CTO von Get Capital, zurückerinnert. Risiko reduziert „Die Strategie hat an dieser Aufwärtsbe- wegung vollständig partizipiert. Mit Beginn der Covidkrise kam es zu einer deutlichen Senkung der Aktienquote“, so der CTO (siehe Chart „Herausforderung Verlustmi- nimierung“) . Die rund 40 Prozent, um die die riskantere Anlageklasse reduziert wurde, haben dazu geführt, dass der maximale Ver- lust auf minus 18,4 Prozent reduziert wurde, während der MSCI World, mit dem sich die Strategie vergleicht, um knapp 34 Prozent abgerutscht ist. Das wäre an sich schon ein recht durch- schlagender Erfolg, zeichnet sich langfristig erfolgreiches Investieren doch nicht zuletzt über das höchstmögliche Abfedern von Ma- ximalverlusten aus – die Get-Ansprüche sind jedoch höher. „Das rechtzeitige Absi- chern ist bei einem Crash nur eine Seite der Medaille“, so Modaresi. „Wichtig ist, dann den Wendepunkt der Erholung zeitnah zu treffen. Ende März 2020 erkannte das Modell das neue Marktregime. Entspre- chend wurde die Aktienquote sukzessive erhöht. Am folgenden 21 Monate dauern- den Bullenmarkt hat die Strategie voll par- tizipiert. Die Bull/Bear-Zustandserkennung hat dafür gesorgt, dass die in dieser Phase auftretenden kurzfristigen Rückschläge nicht ständig zu Handelsaktivitäten führ- ten“, wie der CTO erklärt. Der letzte Umstand ist nicht unwichtig, deutet er doch darauf hin, dass die Strategie die Transaktionskosten relativ gering hält. Kosten stellen ja einen der Hauptkritikpunk- te der Forschung an diversen automatisier- ten Long/Short-Strategien dar: Sie funktio- nieren oftmals nur unter extrem hochfre- quentem Trading. Die damit verbundenen Transaktionskosten zerstören dann die Ge- winne, die unter Testbedingungen erzielt werden konnten. Probe aufs Exempel Natürlich kann wahrscheinlich selbst der erfolgreichste Asset Manager auf zwölf Mo- nate verweisen, an denen er erfolgreicher war als die Benchmark. Deshalb ein kriti- scher Blick auf das zweite große Krisenjahr der unmittelbaren Vergangenheit – nämlich das laufende: Auch hier ist es der Strategie gelungen, den Index zu schlagen. Denn während der Fonds im Juni 2022 einmal year to date auf minus 18,4 Prozent absack- te, touchierte der MSCI World im Oktober zweimal die minus 25 Prozent. Zwar war auch die Get-Strategie seit Jahresbeginn weit davon entfernt, ein Plus zu erzielen, mit Abschlägen von 14,6 Prozent zu Redak- tionsschluss gelang gegenüber dem Welt- aktienindex aber eine Outperformance von rund vier Prozentpunkten. Quant vs. KI Was manche Investoren abschrecken mag und im institutionellen Bereich unter Um- ständen ein KI-Investment komplett verun- möglicht, ist die sogenannte „Blackbox“, in der jede KI letzten Endes operiert. Die Ent- scheidungsprozesse sind eben nicht regel- basiert, sondern basieren auf einer sich stän- dig verändernden – im Idealfall verbessern- » Mit Beginn der Covidkrise kam es zu einer deutlichen Senkung der Aktienquote. « Pashutan Modaresi, CTO von Get Capital Deep Big Data und seine Anwendungen Abgrenzungsbeispiel zwischen Big und Deep Data Deep Data kann als Weiterentwicklung von Big Data gesehen werden. Der Begriff ist bis dato noch nicht vollkommen ausdefiniert. Vereinzelt wird beim Zustandekommen von Deep Data künstliche Intelligenz vorausgesetzt. Ein gemeinsamer Nenner der diversen Definitionen scheint zu sein, dass Deep Data hohe Qualität, Anwendbarkeit und Relevanz voraussetzt. Big Data definiert sich im Gegensatz dazu eher über die schiere Masse an Datenpunkten. Quelle: Quantic Financial Solutions Traditionelle Analysen umfassen: 50–100 Corporates 2–3 Branchen 5–10 Key Fundamentals 1–2 Regionen 2–3 Länder 1–2 Jahre Prognosefenster Durchschnittliche Investment- strategie umfasst: 1.000–5.000 gelistete Titel Begrenzte Strategien Begrenztes Risk Management Begrenzte Private-Equity-/Debt-Strategie Deep-Data-Investment- strategie umfasst: 50.000+ Titel 42+ Millionen Corporates Maßgeschneiderte Strategien & Parameter Komplettes Risk-Mngt.-Overlay Komplette Private-Equity-/ Debt-Strategie 204 Länder + Strategische Asset Allocation + Global Risk & Abhängigkeiten Deep-Data-Analysen umfassen: 42+ Mio. Corporates 16 Branchen pro Land 204 Länder 42 Regionen 40+ Finanzpositionen 5+ Jahre Prognosefenster 8+ Jahre Track Record + Regulierungs-Update (Big 4 & Behörden) + Makroszenario-Funktionalität + Global Risk & Abhängigkeiten 202 N o. 4/2022 | www.institutional-money.com P R O D U K T E & S T R AT E G I E N | B I G DATA