Künstliche Intelligenz in der Toolbox der Anleger
INSIGHTS Stellungnahmen
Quantitative Strategien sind ein wesentlicher Bestandteil der Instrumentarien von Investoren. Dabei vermögen sie einige der fundamentalen Beschränkungen traditioneller Ansätze des Investierens zu überwinden.
Grundsätzlich involvieren traditionelle Ansätze des Investierens einen oder mehrere Finanzexperten*innen, zu deren Aufgaben die Analyse, Diskussion und letztlich Auswahl einer Gruppe von Vermögenswerten für ein Portfolio zählen. Ihre Entscheidungen basieren auf individuell gewonnenen und aggregierten Einschätzungen spezifischer Sektoren, Märkte oder Anlageklassen, was mitunter eine Begrenzung darstellen kann. Schließlich werden die Entscheidungen von Finanzexperten*innen, wie die Entscheidungen eines jeden von uns, von verschiedenen kognitiven Verzerrungen und Vorbehalten beeinflusst. Darüber hinaus ist es eine Herausforderung (wenn nicht sogar fast unmöglich), das Wissen eines Experten oder einer Expertin direkt auf mehrere Strategien und Anlageklassen zu übertragen.
Vor dem Hintergrund dieser Beschränkung traditioneller Ansätze ermöglichen es quantitative Strategien, Verzerrungen zu reduzieren, Skalierbarkeit zu gewährleisten und Transparenz entscheidend zu verbessern:
- Die Asset-Auswahl basiert dabei auf mathematischen Modellen und präzisen Regeln, wodurch bestimmte Verzerrungen von vornherein vermindert werden.
- Die Nutzung modularer Technologien zum Einspeisen und Interpretieren von Daten ermöglicht es, Anlageuniversen (und das Spektrum der Investmentprodukte) zu erweitern.
- Regelbasierte, quantitative Modelle sind klar strukturiert. So können getroffene Entscheidungen nicht nur einfacher erklärt werden, die klare Struktur bedeutet auch Konsistenz in vergleichbaren Szenarien.
Dennoch haben Quant Ansätze in ähnlicher Weise ihre Beschränkungen. Sie können immer noch bestimmten Vorurteilen unterliegen, da die bereits bestehenden Forschungs-, Theorie- und Marktparadigmen, aus denen sie stammen, möglicherweise nicht mit dem spezifischen Umfeld übereinstimmen, in dem die Investitionsentscheidungen getroffen werden. Darüber hinaus kann der Prozess der Anpassung eines quantitativen Ansatzes an neue Marktlagen oder Anlageklassen eine Herausforderung darstellen, wodurch die Skalierbarkeit eingeschränkt und die schnelle Integration neuer Datenquellen verhindert wird.
Als eine spezifische, quantitative Strategie ist Künstliche Intelligenz (KI) eine aufstrebende Technologie. KI-Methoden haben in den letzten Jahren enorme Fortschritte gemacht und in den verschiedensten Bereichen beachtliche Erfolge erzielt, darunter auch im Finanzsektor (siehe hier).
Anknüpfend an die vorangegangenen Ausführungen lässt sich in Bezug auf die Chancen von KI-Methoden als quantitative Investmentstrategie Folgendes feststellen:
- KI-Methoden sind von Natur aus datengesteuert. Dies kann Verzerrungen durch bereits bestehende Annahmen über den Markt reduzieren.
- Die gleichen Methoden können skalierbar über verschiedene Investitionshorizonte, Anlageklassen, geografische Regionen, Märkte und Datenquellen hinweg eingesetzt werden.
- Die Effektivität von KI-Methoden wächst mit der Menge der verfügbaren Daten.
Obwohl sich die Finanzdienstleistungsbranche noch in einem frühen Stadium der Anwendung von KI- und „Machine Learning“-Techniken auf Investitionsentscheidungen befindet, stellen wir fest, dass die Vorteile und Chancen dieser Technologie immens sind. Zentrale Herausforderungen bestehen in der Transparenz und der Möglichkeit, die Signale von KI-Algorithmen nachzuvollziehen, insbesondere weil die zugrundeliegenden Technologien stetig weiterentwickelt und die abgeleiteten Modelle immer komplexer werden.
Mit zunehmender Forschung glauben wir, dass KI-Anwendungen der Grundstein für eine neue Ära in der Finanzbranche sind, in welcher Verzerrungen weiter beseitigt werden und die Effektivität der Anwendungen im Laufe der Zeit immer weiter verbessert wird.
Arabesque AI