Eintritt in die Vortex – Wie Asset Manager die digitale Disruption bewältigen können

Innovation in der Finanztechnologie hat zu einem digitalen Wirbel geführt, der die gesamte Wertschöpfungskette im Asset-Management – von der Vermögensverwaltung über das Investment bis hin zum Betriebsablauf – zu verändern verspricht. Unserer Meinung nach bietet dieser digitale Vortex zahlreiche potenzielle Chancen für Asset Managers – er birgt aber auch Risiken. Wie können wir überkaufte Märkte und Risiken von Massenflucht aus einem Markt vermeiden, wenn Vermögenswerte von Maschinen verwaltet werden, die Signale auf die gleiche Weise interpretieren und die gleichen passiven Investitionen empfehlen? Dies ist der Punkt, an dem talentierte Personen mit zukunftsorientierten Einschätzungen den Unterschied machen werden.

Unseres Erachtens sollte man die Finanztechnologie am besten als ein Instrument sehen, das den Vermögensverwalter unterstützt und dem Kunden nützt. Genau wie Sportler Aufnahmen und Datenanalysen nutzen, um ihre Leistungen mit Feinadjustierungen noch zu verbessern, ermöglichen neue Technologien den Marktteilnehmern, genaue und strukturierte Analysen durchzuführen, um ihren Mandanten noch bessere Ergebnisse liefern zu können. Wir sind jedoch davon überzeugt, dass die Technologie nicht deterministisch sein kann. Es werden immer noch die Menschen sein, die den Daten ihren Sinn geben und die wichtigsten Entscheidungen fällen werden.

Das Tempo des technologischen Wandels nimmt zu. Letztes Jahr hat einer der weltbesten Go-Spieler gegen Alpha Go, ein von Google‘s DeepMind entwickeltes Programm mit schwacher künstlicher Intelligenz, verloren. Im März kam es zu einem weiteren Durchbruch, als vier professionelle Poker-Spieler in einem 20-Tage-Tunier von einem Programm geschlagen wurden. Sind die Asset Manager die nächsten auf der Liste derer, die unterliegen werden? Wir glauben, dass dem nicht so sein wird. Künstliche Intelligenz spielt bei der Verbesserung von Prozesseffizienz und der Qualität von Entscheidungsprozessen eine Schlüsselrolle, wobei sich Anleger jedoch einiger geläufiger Fallen bewusst sein sollten.

Ein Thema, bei dem die künstliche Intelligenz bei ihrem derzeitigen Entwicklungsstadium ihre Grenzen findet, ist die fehlende Transparenz: Es ist durchaus möglich, dass Computerprogramme in Finanzmärkten Muster entdecken und beurteilen, welche Daten mit der grösstmöglichen Genauigkeit auf zukünftige Marktbewegungen schliessen lassen. Das Problem dabei ist, dass der Anlageprozess eine „Blackbox“ bleibt; mit einer klaren Aussage bezüglich der Endentscheidung, jedoch wenigen Informationen über die Erwägungen, die zu dieser Entscheidung geführt haben.

Asset Manager müssen gefundene Muster genau überprüfen, und müssen sicherstellen, dass sie nicht Kausalzusammenhänge von Korrelationen ableiten. So bestand beispielsweise in den Jahren 1981 bis 1993 eine starke Korrelation zwischen dem S&P 500-Index und der Butterproduktion in Bangladesch. Ein Computer könnte dieses Signal identifizieren und darauf reagieren, obwohl es keinen wirklichen Grund für diese Korrelation gibt und sich die Lage jederzeit wieder ändern könnte. Wir glauben aus diesem Grund, dass Asset Manager den Lern-Algorithmen von Maschinen erst einen Sinn verleihen müssen.

Ein anderes Thema ist die Komplexität der Finanzmärkte, auf denen Entscheidungen untereinander abhängig sein können und Bewegungen zur Risikovermeidung stark von den Emotionen der Teilnehmer abhängig sind. Im Gegensatz zur Physik, Biologie oder Medizin ist die Analyse der Finanzmärkte keine exakte Wissenschaft. Sie wird von menschlichen Verhaltensweisen beeinflusst, was den Wert der Mustererkennung begrenzt. Wie bereits John Maynard Keynes gesagt haben soll: „Die Märkte können länger irrational bleiben als du solvent bleiben kannst“. Die künstliche Intelligenz kämpft mit der Ungenauigkeit oder den aus verzerrenden Einflüssen entstehenden Mustern.

Künstliche Intelligenz in Form von Anwendungen benötigt umfangreiche Datenmengen, um Prognosen erstellen zu können. Durch die Möglichkeit, auf nahezu unbegrenzte Mengen an Daten mit festgelegten Merkmalen in sozialen Medien zurückgreifen zu können, funktioniert sie bestens bei der Beobachtung von spekulativen, massenweise vorkommenden Billigaktien; die Mustererkennung von Finanzmärkten ist jedoch eine grössere Herausforderung, da das Volumen der Daten begrenzt ist und sich letztere ständig weiterentwickeln.

Aus diesem Grund nutzen die meisten Asset Manager künstliche Intelligenz zur Extrahierung von kurzfristigen Alpha-Signalen bei liquiden und leicht handelbaren Instrumenten wie Währungen, Rohstoffe und Markindizes, bei denen die Verarbeitungsgeschwindigkeit und die Fähigkeit, Muster zu erkennen, die durch klassische Analysen nur schwer auffindbar sind, ein echter Vorteil bedeuten kann. Die künstliche Intelligenz beherrscht die Welt des Hochfrequenzhandels mit Algorithmen, die für die Suche nach Mustern in der Volatilität, in den Tagesnachrichten oder in Volumen geschrieben wurden, welche sie dann in Positionen umsetzen.

Bei Unigestion haben wir uns für einen anderen Weg entschieden: Wir nutzen künstliche Intelligenz, um den Anteil des Risikomanagements in unseren Anlageprozessen zu stärken. Wir glauben, dass Risikomanagement ein dauerhafter Treiber für die langfristige Anlageperformance ist, und nutzen künstliche Intelligenz, um unsere Fähigkeit, Risiken in Anlagestrategien zu erkennen und steuern, zu stärken und auszubauen.

Wir gehen davon aus, dass künstliche Intelligenz die nächste Generation quantitativen Managements ist. Wir können uns eine Welt vorstellen, in der Asset Manager nicht mehr den Computern beibringen, wie diese Dinge zu tun haben, sondern ihnen nur noch zeigen werden, wo das Problem ist, und zuschauen werden, welchen Lösungsansatz der Computer bietet, um das Ergebnis anschliessend nur noch zu verbessern.

Wir haben uns bereits von klassischen quantitativen Modellen, bei denen Asset Manager Modelle befragen, um vordefinierte Faktoren zu finden, abgewendet. Wir benutzten Vorhersage-Algorithmen wie die Hauptkomponentenanalyse PCA (Principal Component Analysis) seit Beginn unserer Forschungen in die Minimum Variance-Analyse im Jahr 1995, um die sich verändernden Komponenten von Risiken zu verstehen. Wir werden weiterhin Verfahren maschinellen Lernens in die Konstruktion unserer Investmentprozesse implementieren und untersuchen aktuell, ob neue, ausgefeilte Algorithmen wie „auto deep encoding“ die PCA ersetzen können.

Wir sind fest davon überzeugt, dass, je mehr wir künstliche Intelligenz einsetzen, es umso wichtiger wird, über eine starke Anlagephilosophie zu verfügen, um das Risiko eines „Overfittings“ von Daten bei schwer erfassbaren und schwachen Signal zu vermeiden.

2. Beispiel: Robo-Adviser und Kundenerfahrung

Die Einführung von Robotern als Berater, die automatische Anlagedienstleistungen bieten, bringt frischen Wind in die Anlageberatung. Nach der Beantwortung einiger einfacher Fragen wird dem Kunden eine Anzahl von möglichen Anlagerenditen sowie eine Anlagestrategie präsentiert, ohne dass der Kunde dabei mit einem Finanzberater gesprochen hat.

Man könnte argumentieren, dass Robo-Adviser nichts Neues sind und lediglich algorithmische Vermögensaufteilungen auf passive Anlageprodukte bieten. Die moderne Portfoliotheorie und Exchange Traded Funds wurden beide bereits im letzten Jahrhundert entwickelt.

Wir denken, dass diese Einstufung am Ziel einer verbesserten Kundenerfahrung, die durch diese neue Technologie ermöglicht wird, vorbeigeht. Genau wie bei Uber und Airbnb sollte Innovation Komfort und Benutzerfreundlichkeit für die Anwender bringen. Diese Anbieter haben es geschafft, die Komplexität ihrer Anlageprozesse nicht nach außen zu geben, und bieten ihren Anwendern einfache, ergebnisorientierte Lösungen.

Darüber hinaus gleichen Roboter als Berater das Angebot von Anlagedienstleistungen den Wettbewerbsbedingungen an, die bisher nur für ein ausgewähltes Publikum von institutionellen oder sehr vermögenden Anlegern reserviert waren. Mit diesen Apps erhalten Anleger Zugang zu Asset-Allokationen und Depotleistungen, die eher in Tausend als in Millionen Anlagekapital rechnen.

Genau wie für die künstliche Intelligenz und die Anlageverwaltung sind wir hier davon überzeugt, dass die optimale Kombination darin besteht, Mensch und Maschine gemeinsam einzusetzen.

Selbst Pioniere, die versprachen, nur Computer für die Geldverwaltung in diesem Bereich einzusetzen, bieten den Kunden inzwischen menschliche Finanzberatung. Unserer Meinung nach bringt ein erfahrener Anlageexperte, der fähig ist, den Sinn der Ergebnisse von Algorithmen zu erklären und sicherzustellen, dass die für das Portfolio empfohlenen Linien mit der aktuellen Marktsituation übereinstimmen, dem Kunden bessere Ergebnisse.

Dies gilt besonders dann, wenn der Anlageverwalter fähig ist, den Kunden durch Perioden starker Marktvolatilität zu begleiten und als emotionaler Schutzschalter bei möglichem irrationalem Verhalten zu agieren.

Was wir bei Unigestion aus Kundenerfahrungen gelernt haben

Asset-Manager, die sich in den Bereich der Roboter-Beratung begeben, sind meistens auf Kleinanleger ausgerichtete Vermögensverwalter mit einem starken Kundennetzwerk. Als institutioneller Asset Manager wird Unigestion in dieser Phase nicht nachziehen. Wir glauben jedoch, dass alle Asset Manager aus der Benutzerfreundlichkeit dieser Dienstleistungen, etwas lernen können; sowohl im institutionellen als auch im Retail Bereich – Definitionen, die sich immer mehr verwischen, da Privatpersonen mehr und mehr die Verantwortung für ihre eigene Altersversorgung direkt übernehmen.

Asset Manager haben schon immer in Back-End-Technologien investiert, die für eine bessere Vermögensverwaltung ihrer Mandanten entwickelt wurde. Jetzt müssen diese an Investitionen in einfache und individuelle Bedürfnisse angepasste Front-End-Anwendungen angepasst werden, die angenehme interaktive Erfahrungen für die Bedürfnisse von existierenden und zukünftigen Kunden bieten.

In einer Welt, in der Wachstum nicht stabil ist und Zinssätze höchstwahrscheinlich niedrig bleiben, steht Risikomanagement im Zentrum des Strebens, ein Portfolio zu konstruieren, das nachhaltige Gewinne erwirtschaftet. Daher haben wir uns dazu entschieden, ein Premiumportal aufzubauen, damit unsere Mandanten Zugang zu unseren Forschungen und unseren Anlageinstrumenten rund um Asset Allokationen und zum Risikomanagement bekommen. Dieses Portal ist wie ein Cockpit, in dem unsere Kunden den Output sehen können, der von den gleichen quantitativen Instrumenten erbracht wird, die wir bei dem Aufbau von Depots sowie Modellen von Asset Allokationen, bei makroökonomischen Prognostikern oder Instrumenten für die Risikofaktoranalyse einsetzen.

Wir bei Unigestion glauben, dass Innovation und Technologie einem Zweck dienen müssen. Dieses Portal soll zu Diskussionen über die Interessen und Anforderungen unserer Mandanten anregen, sodass wir mit ihnen zusammen Lösungen für ihre Bedürfnisse erarbeiten können.

Asset Manager müssen berücksichtigen, wie diese neuen Daten und die daraus entstehenden Signale in ihre Anlageprozesse eingebunden werden können. Es besteht ein allgemeines Einvernehmen darüber, dass es nur eingeschränkt Sinn macht, aufgrund der hohen Risiken diese neuen, datengesteuerten Signale als alleinstehende Anlagestrategie zu nutzen, das diese wieder weg-arbitriert werden. Die meisten Asset-Manager nutzen diese Signale zusätzlich zu ihren internen Alpha-Maschinen.

Unigestion untersucht, welcher Teil unseres Anlageprozesses von diesen neuen Datenquellen profitieren kann. Wir arbeiten mit einem Finanztechnologie Unternehmen namens RavenPack zusammen, das neue und sinnvolle Datensätze filtert und gewichtete Werte verwendet. Unsere Analysten kombinieren die Ergebnisse von RavenPack mit anderen Anlagemodellen, um Änderungen in Trading Volumen und potenzielle Preisanomalien in einigen Wertpapieren vorherzusehen.

Die neue Technologie kann als ein Ersatz für menschliches Denken und Aktionen oder aber als Instrument zur Stärkung von Menschen verstanden werden. Vor die Wahl gestellt, menschliche Entscheidungsfindung durch künstliche Intelligenz zu ersetzen oder die menschliche Intelligenz durch die Rechnerleistung zu verbessern, hat sich Unigestion für Letzteres entschieden.

Andererseits wird sich die Art der Zusammenarbeit mit den Maschinen ändern. Eine Studie von McKinsey aus dem Jahre 2016 belegt, dass, selbst wenn die Technologie im kommenden Jahrzehnt selten Arbeitsstellen vollkommen ersetzen wird, so wird sie jedoch bis zu einem gewissen Mass Auswirkungen auf diese Stellen haben. Maschinen werden Arbeitnehmer nicht ersetzen, sondern eher Arbeitsstellen in Aufgaben unterteilen, die entweder von Algorithmen oder nur von Menschen erledigt werden können.

Computer sollten eingesetzt werden, um Personen von repetitiven Aufgaben mit geringem Wert zu befreien, so dass diese sich auf Aufgaben konzentrieren können, die Kreativität und ein Bewusstsein erfordern. Computer tun sich gerade in klar festgelegten Aktivitäten hervor, oder wenn sie auf gut formulierte Anfragen mit klaren Zielen antworten sollen. Menschen bleiben für das Stellen der richtigen Fragen, dem Festlegen des Endziels und der Auswertung der Ergebnisse sehr wichtig.

Die künstliche Intelligenz wird von Jahr zu Jahr besser werden, wobei sich das menschliche Gehirn nicht im gleichen Rhythmus weiterentwickeln wird. Vermögensverwalter werden ihr Fachwissen vertiefen müssen, um reaktiv zu bleiben und ihre eigene Kreativität zu entwickeln. Mit der Demokratisierung des Bildungswesens hinsichtlich des stark steigenden Angebots an öffentlich zugänglichen Online Kursen, werden Anlagespezialisten, um mit der Weiterentwicklung der Maschinen Schritt halten zu können, sich ständig weiterbilden und ihre Fähigkeiten neu definieren müssen.

Letztendlich schafft die neue Technologie eine neue kollaborative Umgebung. Sie macht den Austausch von Fachwissen und die Zusammenarbeit von grossen Gruppen, über die Grenzen unseres Unternehmens, unseres Landes oder unseres Kundennetzwerkes hinaus, möglich. Dank offener Plattformen für den Austausch von Forschungsergebnissen können Anlagespezialisten Forschungsergebnisse untereinander teilen und Ideen mit der akademischen Welt austauschen sowie gemeinsam Anlagelösungen erarbeiten.