Kollaborative Intelligenz: Menschlichen Einsicht vereint mit modernster Technologie

| Thought Leadership

Vermögensverwalter müssen sich dem technologischen Wandel stellen, um in einem zunehmend wettbewerbsintensiven Umfeld erfolgreich zu sein. Diejenigen, die darin investieren, werden zweifellos diejenigen übertreffen, die es nicht tun. Bei der digitalen Transformation geht es aber nicht nur um Technologie: Durch die Automatisierung weiterer Prozesse verändert sie auch die Arbeitsteilung und die Beziehungen zwischen Mensch und Maschine. Die Entwicklung des maschinellen Lernens und die Verbreitung alternativer Datenquellen bieten unserer Branche enorme Chancen, stellen aber auch eine Herausforderung dar: Wie viel Kontrolle sollten Investmentmanager der Technologie überlassen, um die besten Ergebnisse für Investoren zu erzielen?

Wir glauben, dass sich die Vermögensverwaltungsbranche weiterhin als eine Symbiose aus Mensch und künstlicher Intelligenz entwickeln wird, die die Stärke beider Seiten nutzt. Obwohl Computer intelligentes Verhalten nachahmen können, glauben wir nicht, dass sie in Zukunft die Investmentmanager ersetzen werden. Unigestion setzt auf kollaborative Intelligenz und die Stärke der Zusammenarbeit von Mensch und Maschine. Wir unterstützen unsere Investmentteams mit Spitzentechnologien, um ein tieferes Verständnis der Finanzmärkte zu erlangen und so bessere Anlageergebnisse für unsere Kunden zu erzielen.

Leistungsfähige Zusammenarbeit von Mensch und Maschine

Ein systematischer Ansatz für Anlageentscheidungen bietet zahlreiche Vorteile. In einer Zeit, in der immer mehr Daten verfügbar werden, sind Maschinen in der Lage, enorme Mengen zu verarbeiten. Maschinen verarbeiten nicht nur Daten, sie machen es auch schnell und oft. Die Technologie verringert auch die Subjektivität und das Risiko emotionaler Vorurteile, sodass wir strukturierte, disziplinierte und wiederholbare Anlageprozesse entwickeln können.

Systematische Analysen sollten mit zukunftsorientierten Einschätzungen von Investmentmanagern kombiniert werden, die laufend die Relevanz vergangener Daten bewerten und sich an sich ändernde Märkte anpassen können.

Obwohl Modelle ein enormes Potenzial für ein besseres Risikomanagement und Alpha für unsere Investoren bieten, sind sie dennoch mit Schwachstellen behaftet. Modelle neigen dazu, sich übermäßig anzupassen, sind von Natur aus auch rückwärtsgewandt, so dass die Auswirkungen beispielloser Ereignisse nicht durch einen rein quantitativen Prozess bewältigt werden können. Modelle können Regimewechsel erkennen und neue Risikofaktoren identifizieren, sind aber bei der Interpretation von Daten und der Anpassung an neue Paradigmen effektiv schwach. Wir sind davon überzeugt, dass systematische Analysen mit zukunftsorientierten Einschätzungen von Investmentmanagern kombiniert werden sollten, die laufend die Relevanz vergangener Daten bewerten und sich an den sich ändernden Märkten anpassen können.

Bei Unigestion verwenden wir zahlreiche selbstentwickelte systematische Modelle, die uns bei der Verwaltung unserer Anlageportfolios unterstützen, jedoch immer unter der Aufsicht unsere Anlageteams. Darüber hinaus arbeiten unsere Investmentmanager eng mit quantitativen Analysten zusammen, um den Wissensaustausch und die Wahrnehmung grundlegender Veränderungen der Marktstimmung zu optimieren. Wir verwenden diesen kombinierten Ansatz in allen Aspekten unserer Anlageprozesse, von der Anlageallokation über die Auswahl der Instrumente, Research und Entwicklung bis hin zur Ko-Kreation maßgeschneiderter Lösungen mit unseren Kunden.

Bessere Anlageentscheidungen durch maschinelles Lernen

Wir sind fest davon überzeugt, dass maschinelles Lernen aktiven Managern helfen kann, sich von ihren passiven Kollegen zu unterscheiden. Vermögensverwalter haben ein enormes Potenzial, durch maschinelles Lernen ihre Anlageentscheidungen zu unterstützen und den Anlegern bessere Ergebnisse zu liefern, insbesondere, wenn sie auf menschliche Erfahrungen zurückgreifen. Dank ihrer Fähigkeit, viel komplexere Muster mit besserer Vorhersagekraft zu verarbeiten, übertreffen moderne maschinelle Lernalgorithmen die traditionelle lineare Regression.

Wie bei jeder datengesteuerten Methode hat die Datenqualität einen großen Einfluss auf den Nutzen der Modellausgabe. Unabhängige Variablen, die sich zusammenschließen, können eine starke und unentdeckte neue Verbindung mit starker Vorhersage- oder Erklärungskraft aufdecken, aber ebenso gut falsches statistisches Rauschen oder eine zuvor unentdeckte Verzerrung in den Daten wiedergeben. Aus diesem Grund sind wir der Meinung, dass Investmentmanager maschinellen Lernalgorithmen eine wirtschaftliche Bedeutung geben müssen. Zudem müssen sie den richtigen Kompromiss zwischen höherer Leistung und Interpretierbarkeit der Ergebnisse finden.

Die meisten Vermögensverwalter verwenden maschinelles Lernen, um kurzfristige Alphasignale aus liquiden und leicht handelbaren Instrumenten zu extrahieren, wobei die Menge der verfügbaren Daten, die Geschwindigkeit der Verarbeitung und die Fähigkeit, Muster zu finden, die durch die traditionelle Analyse nicht leicht zu erkennen sind, von Vorteil sein können. Der Signal-Rausch-Abstand bleibt jedoch relativ gering und wird durch den adaptiven und dynamischen Charakter der Finanzmärkte zusätzlich verzerrt.

Je mehr wir maschinelles Lernen einsetzen, desto wichtiger ist eine starke Anlagephilosophie, um das Risiko einer ‚ Überanpassung ‚ von Daten an ein trügerisches oder schwaches Signal zu vermeiden.

Wir haben bei Unigestion einen anderen Weg gewählt. Wir nutzen maschinelles Lernen, um Muster zu erkennen, die uns helfen, Risiken einzuschätzen, Investitionen zu durchleuchten und unsere Portfolios an neue Signale anzupassen. Für uns sollte die Entwicklung des maschinellen Lernens in einen Anlageprozess integriert werden und nicht zum eigentlichen Prozess werden. Von einem sind wir fest überzeugt: Je mehr wir maschinelles Lernen einsetzen, desto wichtiger ist eine starke Anlagephilosophie, um das Risiko einer “ Überanpassung “ von Daten an ein trügerisches oder schwaches Signal zu vermeiden.

Derzeit arbeiten wir hauptsächlich mit überwachten Lernalgorithmen, bei denen wir unsere Modelle mit gekennzeichneten Daten versehen, damit sie lernen können, auf der Grundlage dieser Kennzeichen zu verallgemeinern. Zu den jüngsten Initiativen gehört die Entwicklung von Maschinenlern-Algorithmen zur Verbesserung unserer aktienspezifischen Renditeprognosen und zur Verbesserung der Fondsauswahl innerhalb unseres Private Equity-Prozesses. Wir erproben auch den Einsatz von maschinellen Lerntechniken zur Nachahmung von Makrofaktoren, um unsere Multi-Asset-Risikomodelle zu stärken.

Big Data mit den richtigen Tools und Techniken nutzen

Maschinelles Lernen geht mit „Big Data“ einher, da Maschinen enorme Datenmengen benötigen, um lernen zu können.  Neue alternative Datenquellen sind in den letzten zehn Jahren exponentiell gewachsen: Laut AlternativeData.org gibt es mittlerweile mehr als 400 Anbieter, gegenüber etwa 100 im Jahr 2008. Die Beschaffung der Daten allein liefert jedoch kaum Vorteile. Wirklich nützlich werden sie erst, wenn die aussagekräftigsten Daten herausgefiltert und richtig interpretiert werden.

Wenn Alpha durch geschickte Nutzung von Informationen generiert wird, gibt  der enorme Anstieg des Datenvolumens Gelegenheiten für Vermögensverwalter.

Das von Grinold entwickelte Gesetz des aktiven Managements besagt, dass die Erzielung hoher risikobereinigter Renditen von drei Dingen abhängt: Kompetenz, Anzahl unabhängig getroffener Anlageentscheidungen und Umsetzung dieser Erkenntnisse beim Aufbau eines Portfolios. Wenn Alpha durch geschickte Nutzung von Informationen generiert wird, gibt der enorme Anstieg des Datenvolumens den Vermögensverwaltern die Gelegenheit, wesentlich fortgeschrittenere Indikatoren zu entwickeln und ihr Research in neue Renditequellen für Investoren umzuwandeln.

Bei Unigestion arbeiten wir ständig daran, neue Daten und die damit verbundenen Signale in unsere Anlageprozesse zu integrieren. Wir wollen die „Datifizierung“ unserer Gesellschaft nutzen, um neue Arten von Analysen zu identifizieren, die uns helfen, unseren Kunden bessere Anlageergebnisse zu liefern. Allerdings glauben wir, dass die Nutzung dieser neuen datengesteuerten Signale als eigenständige Anlagestrategie nur von begrenztem Wert ist. Stattdessen setzen wir sie vielmehr zur Ergänzung unseres bestehenden Ansatzes ein. Die Herausforderung für unsere Investmentmanager besteht darin, aus großen Datenmengen sinnvolle und umsetzbare Auslöser zu entnehmen und in unseren Prozessen umzusetzen. Um dies zu bewältigen, arbeiten wir mit externen Big Data-Spezialisten wie RavenPack zusammen. Erst kürzlich haben wir einige unserer Ergebnisse genutzt, um aus Nachrichten (in sowohl traditionellen als auch sozialen Medien) einen quantitativen „makroökonomischen Stimmungsindikator“ abzuleiten und diese neuen Erkenntnisse in unsere selbst entwickelten Nowcaster-Indikatoren zu integrieren. Darüber hinaus verwenden wir Big Data zur Stimmungslage in den Nachrichten, um aktienspezifische Risiken besser einzuschätzen.

Einsatz von Technologie zur Zusammenarbeit mit Kunden

Wir nutzen auch kollaborative Intelligenz, um maßgeschneiderte Anlagelösungen für unsere Kunden nach dem Ansatz „made with you“ statt „made for you“ zu entwickeln. Unsere systematischen Modelle bieten eine offene Schnittstelle, die wir mit Kunden teilen können, so dass sie die Ergebnisse derselben quantitativen Instrumente sehen, die wir auch für den Aufbau unserer Portfolios verwenden, wie z. B. Portfoliostrukturierungsmodelle, makroökonomische Prognosen oder Tools zur Analyse von Risikofaktoren. Dies ist in letzter Zeit noch wichtiger geworden, da Investoren nach immer komplexeren Risikomanagement-Tools suchen, die sich von Aktien in anspruchsvollere Anlageklassen verlagern, um ihre Anlageziele zu erreichen.

So verwenden wir beispielsweise unser Makro-Risikoallokations-Framework, um unseren Kunden zu helfen, die Auswirkungen diverser Allokationsentscheidungen zu verstehen. Unsere Diskussion beginnt mit einer Analyse ihrer derzeitigen Portfolioallokation. Mit Hilfe unserer Expertise und Analyse-Tools identifizieren wir gemeinsam mit unseren Kunden mögliche Abweichungen zwischen dem Risikoprofil ihres Gesamtportfolios und ihren Anlagezielen und vergleichen ihre Marktannahmen mit unseren. Wir sind in der Lage, die Auswirkungen ihrer Präferenzen in Bezug auf Risiko, Liquidität und erwartete Renditen aufzuzeigen und gleichzeitig alle regulatorischen oder bilanziellen Einschränkungen sowie alle spezifischen ESG-Aspekte zu integrieren.

Auch hier ermöglicht uns die Synergie zwischen unseren systematischen Modellen und den Erkenntnissen unserer Anlageverwalter, einen offenen und transparenten Dialog mit unseren Kunden zu führen, in dem wir gemeinsam Anlagelösungen entwickeln, die ihren sich ändernden Bedürfnissen entsprechen. Unsere systematischen Modelle sind der Schlüssel zu diesem Dialog und helfen uns, unseren Kunden einen Mehrwert zu liefern, der über die reine Geldanlage hinausgeht.

Ein Blick in die Zukunft

Wir glauben nicht an einen technologischen Determinismus, der davon ausgeht, dass Technologie die Entwicklung einer Gesellschaft bestimmt. Diese Theorie existiert seit dem 19. Jahrhundert und hat sich seitdem immer wieder als falsch erwiesen. Für uns ist Technologie weder gut noch schlecht; entscheidend ist, wie wir sie nutzen. Es wird die Art und Weise verändern, wie wir vorgehen, aber nicht das Wesentliche der Vermögensverwaltung, die darin besteht, den Anlegern konsistente Renditen zu liefern, die ihren Bedürfnissen und Zielen entsprechen.

Die Zukunft der Vermögensverwaltung dürfte in einer Synthese aus Mensch und künstlicher Intelligenz bestehen, die das Leistungspotenzial beider Seiten optimal nutzt. Allerdings müssen wir die Aufteilung der Kontrolle zwischen Maschine und Manager klar definieren. Wir sehen die Lage zwar nicht ganz so negativ wie Pablo Picasso, der einmal sagte: „Computer sind nutzlos – sie können einem nur Antworten geben“, glauben jedoch nicht, dass Technologie Investmentmanager ersetzen kann. Computer eignen sich hervorragend, um auf gut formulierte Fragen mit klaren Zielen zu antworten, aber Menschen bleiben der Schlüssel, um die richtigen Fragen zu stellen und die Ergebnisse zu interpretieren. Was uns von der künstlichen Intelligenz unterscheidet, ist unser Bewusstsein. Und das ist nicht dasselbe wie Intelligenz. Es ist unser Bewusstsein, das uns erlaubt, die Folgen einer Handlung vorzustellen, anzupassen, zu verstehen und Fakten und Zahlen einen Sinn zu geben. In vielen Fällen wird es noch Jahre dauern und einige fundamentale Durchbrüche erfordern, bis maschinelles Lernen eine solch dynamische Reaktion liefern kann.

Letztendlich, wenn jeder die gleiche Handelsstrategie verwendet, erreicht niemand einen Vorteil – die Supercomputer werden den Vorteil des anderen aufheben. In der Vermögensverwaltung muss man nicht nur intelligent sein…. sondern auch intelligent im Vergleich zu anderen. Machine Learning und KI können mehr Erkenntnisse mit weniger menschlichem Aufwand liefern und schaffen so mehr Zeit für die Vermögensverwalter, anders zu denken. Die Einführung neuer Technologien wird für aktive Manager ein Weg sein, passive Manager zu übertreffen.


Wichtige Informationen

Dieses Material wird Ihnen vertraulich zur Verfügung gestellt und darf weder ganz noch teilweise verteilt, veröffentlicht, vervielfältigt oder gegenüber Dritten offengelegt werden.

Die in diesem Material präsentierten Informationen und Daten können sich auf generelle Marktaktivitäten oder Branchentrends beziehen, sie sind jedoch nicht als Grundlage für Prognose-, Analyse- oder Anlageberatungszwecke vorgesehen. Diese Informationen und Daten sind keine Finanzwerbung und stellen kein Angebot, keine Aufforderung und keine Empfehlung irgendeiner Art für Anlagen in den Strategien oder in den betreffenden Anlageinstrumenten dar. Einige der hierin beschriebenen oder erwähnten Anlagestrategien können als Anlagen mit hohem Risiko und als nicht schnell zu realisierende Anlagen angesehen werden, die zu erheblichen und plötzlichen Verlusten führen können, einschließlich eines vollständigen Verlusts der Anlage.

Unabhängig von dem Datum, an dem Sie möglicherweise auf diese Informationen zugreifen, stellen die in diesem Material zum Ausdruck gebrachten Anlageüberzeugungen, Wirtschafts- und Marktansichten oder Analysen die Einschätzung von Unigestion zum Publikationsdatum dar. Für die Richtigkeit dieser zum Ausdruck gebrachten Überzeugungen und Ansichten gibt es keine Garantie, und diese stellen keine vollständige Beschreibung der betreffenden Wertpapiere, Märkte und Entwicklungen dar. Alle hier zur Verfügung gestellten Angaben können ohne Vorankündigung geändert werden. Sofern vorliegendes Dokument Aussagen über die Zukunft enthält, handelt es sich um zukunftsgerichtete Informationen, die mehreren Risiken und Unwägbarkeiten unterliegen, einschließlich der Auswirkungen von Konkurrenzprodukten, Marktakzeptanz- und sonstiger Risiken, wobei diese Aufzählung keinen Anspruch auf Vollständigkeit erhebt.

Die Daten und grafischen Informationen in diesem Dokument dienen ausschließlich Hinweiszwecken und stammen unter Umständen aus externen Quellen. Obwohl wir die von öffentlichen Quellen und Drittquellen bezogenen Informationen für zuverlässig halten, haben wir diese nicht unabhängig verifiziert und können deren Richtigkeit oder Vollständigkeit daher nicht gewährleisten. Folglich werden keine Zusicherungen oder Garantien, weder ausdrücklich noch implizit, von Unigestion in dieser Hinsicht gemacht oder gemacht werden und es wird keine Verantwortung oder Haftung übernommen. Sofern keine anderslautenden Angaben gemacht werden, stammen die Daten und Informationen von Unigestion. Die Ergebnisse aus der Vergangenheit sind kein Anhaltspunkt für zukünftige Ergebnisse. Alle Anlagen sind mit Risiken verbunden, einschließlich des Risikos eines Gesamtverlusts für den Anleger.

Unigestion SA ist durch die Eidgenössische Finanzmarktaufsicht (FINMA) zugelassen und wird von dieser reguliert. Unigestion (UK) Ltd. wurde von der UK Financial Conduct Authority (FCA) zugelassen, wird von dieser reguliert und ist bei der Securities and Exchange Commission (SEC) eingetragen. Unigestion Asset Management (France) S.A. ist durch die französische Autorité des Marchés Financiers (AMF) zugelassen und wird von dieser reguliert. Unigestion Asset Management (Canada) Inc., mit Niederlassungen in Toronto und Montreal, ist in neun kanadischen Provinzen als Portfoliomanager und/oder befreiter Markthändler und in Ontario und Quebec als Verwalter von Investmentfonds zugelassen. Die Hauptaufsichtsbehörde ist die Ontario Securities Commission (OSC). Unigestion Asia Pte Limited ist durch die Monetary Authority of Singapore (MAS) zugelassen und wird von dieser reguliert.

Veröffentlichungsdatum dieses Dokuments ist der Oktober 2019.