Kann der Roboter Ihr Geld verwalten?

Künstliche Intelligenz ist das Schlagwort der Stunde bei Investoren. Die Ergebnisse sind vielversprechend.

Aufgrund grosser Datenmengen kann der Computer selbstständig Entscheidungen treffen. Symbolbild: Getty Images

Aufgrund grosser Datenmengen kann der Computer selbstständig Entscheidungen treffen. Symbolbild: Getty Images

Feedback

Tragen Sie mit Hinweisen zu diesem Artikel bei oder melden Sie uns Fehler.

Es ist oft nur Etikettenschwindel – das beobachtet Hendrik Leber, Mitgründer des deutschen Fondshauses Acatis, wenn Fonds mit dem Begriff «künstliche Intelligenz» (KI) werben. Gegenüber «Finanz und Wirtschaft» erklärt er: «Da wird viel in einen Topf geworden, beispielsweise Big Data oder Robo Advice.» Big Data ist die Verarbeitung riesiger Datenmengen. Unter Robo Advice versteht man die Schaffung automatischer Portfolio-Vorschläge für Anleger. «Ausserdem steckt dahinter oft gewöhnliche Statistik», fügt er Leber kritisch hinzu.

Dabei ist die Anwendung von KI-Technologie (siehe Textkasten) auf ein komplexes System wie die Finanzmärkte vielversprechend. Mit der Mustererkennung auf Basis des maschinellen Lernens kann man grosse Datenmengen verarbeiten und Investmentstrategien optimieren.

Schon lange arbeiten Informatiker und Finanzmarktexperten daran, mit Computerhilfe bessere Anlageentscheidungen zu treffen: In den Achtzigerjahren wurden die ersten Studien zur Vorhersage von Aktienkursen durch KI-Methoden publiziert. Doch wie in anderen Bereichen – etwa der Sprach- und Bilderkennung – hat die Technologie im Finanzbereich erst in den letzten Jahren durch Fortschritte in der Soft- und Hardware Fahrt aufgenommen.

«Die heutige Rechenleistung ermöglicht Entwicklungsschritte, die im Jahr 2000 nur unter grösstem Aufwand möglich waren», beobachtet Michael Günther. Er ist Portfoliomanager und Entwickler beim Anlagehaus Tungsten. Sein Fonds Trycon basiert auf Trendfolgestrategien und verwendet seit 2013 KI-Methoden. Günther sagt, für seinen Fonds übersteige der Aufwand bei Daten und Rechenleistung eine herkömmliche Trendfolgestrategie um das Hunderttausendfache. Die KI-Strategie könne Verbindungen zwischen Daten erkennen, «die traditionelle Modelle nicht finden.»

Christian Lopez, Research-Leiter bei der Amundi-Tochter CPR Asset Management, betont die Hilfe durch KI: «Es ist für einen Menschen unmöglich, alle Nachrichten zu überblicken, die in einem Moment geschehen. Hier kann Künstliche Intelligenz – etwa die Verarbeitung natürlicher Sprache – den Manager unterstützen.» Auch könne KI dem menschlichen Experten mit Investmentvorschlägen assistieren.

Die Entscheidung muss immer noch der Mensch treffen: Trader an der New Yorker Börse. Foto: Keystone

Annette Schömmel, die mit ihrer Firma XanaduAlpha an einem neuen Anlageansatz auf KI-Basis arbeitet, betont: «Künstliche Intelligenz ist wichtig, um überhaupt Muster in riesigen Datenmengen zu finden. Aber die Entscheidung, an welche Muster wir wirklich glauben, muss noch der Mensch treffen.»

Günther setzt auf die «halb-automatische» Implementierung der Entscheidungen des Computers. Der Mensch schaut diese noch einmal an. Gemäss Günther ist wichtig, dass «das Risikomanagement konventionell ist – die so gesetzten Grenzen kann die Maschine nicht übersteuern.»

Das Fondshaus Acatis hat drei Produkte im Angebot, die automatisch KI-Entscheidungen implementieren. Zwei davon sind zusammen mit der Koryphäe Jürgen Schmidhuber, Professor in Lugano, entwickelt worden. Acatis-Portfoliomanager Hendrik Leber erklärt: «Daneben nutzen wir KI in einem Fonds, um nur eine Vorselektion von Aktien zu treffen. Die Zusammenarbeit von Mensch und Maschine funktioniert gut.» Die Fonds mit dem autonomen KI-Produkt sind aber dieses Jahr besonders gut gelaufen – «obwohl sie überhaupt nicht auf Momentum-sondern auf Fundamentalfaktoren basieren», sagt Leber. «Wir werden aber noch einige Jahre an Erfahrung brauchen, um die Performance-Vorteile des Ansatzes richtig einzuschätzen.»

Hedge Funds verwenden KI-Lösungen schon länger. Gemäss einer Statistik des Datenanbieters Eurekahedge haben solche Ansätze einen deutlichen Performance-Vorteil gebracht (siehe Grafik). Auch Stefan Wallrich von Wallrich Wolf Asset Management ist zufrieden mit seinem KI-Modell: «Letztes Jahr war die Feuertaufe: Trotz des Kursrückgangs an der Börse erreichten wir eine Performance um null.» Er ist aktiv in Stillhalterstrategien – dabei werden Optionen verkauft und dafür Prämien eingenommen.

Wallrich erläutert: «Unser Ansatz ist aus der Idee entstanden, die Performance von verschiedenen Strategien zurückzurechnen. Unser Programmierer hatte dann die Idee, dass wir nicht nur zurückrechnen, sondern dass wir die Strategien auch optimieren.» Die Maschine könne eine gewählte Strategie besser durchhalten als ein menschlicher Trader – «sie ist emotionsloser». Ständig suche sein Algorithmus nach einem besseren Modell, das alle zwei bis drei Jahre angepasst werde.

Bei Wallrich sind Preis- und Volatilitätsdaten der Input. Bei Michael Günther wird tageweise aus einer Vielzahl von Marktdaten eine Investmententscheidung getroffen. Leber von Acatis erklärt dagegen: «Wir wollen langfristige Prognosen aufgrund fundamentaler Signale erstellen.» So würden neuronale Netze (siehe Textkasten unten) verwendet, um aus «unstrukturierten Daten» wie Unternehmensberichten relevante Aussagen zu finden, die im Kurs noch nicht berücksichtigt seien.

«Kommt es zu einem völlig neuen Ereignis an den Märkten, dann kann unser Modell das nicht vorsehen.»Hendrik Leber, Acatis-Portfoliomanager

Leber glaubt, dass in zehn Jahren «KI ein dominierender Faktor im Asset Management sein wird». Und durch immer mehr Rechenleistung werde sich das Entwicklungstempo beschleunigen. Michael Günther glaubt nicht, dass sich Handelsstrategien kannibalisieren, wenn mehr Anbieter zum Einsatz von KI übergehen: «Die Modelle können sich auf vielfältige Weise unterscheiden – beispielsweise welche Datenbasis verwendet wird.»

Annette Schömmel betont: «Wenn die gleichen Daten mit der gleichen Brille angeschaut werden, ist eine Überrendite zum Markt, Alpha, nur noch an den Rändern zu bekommen.» Statt «Data Mining» – also der Massenauswertung von riesigen Datenpools – bevorzugt sie «Data Fracking»: kleine, spezifische Datensammlungen zu finden und auszuwerten.

Niemand weiss, wie gut die KI-Modelle künftig abschneiden. Wenn jemand sage, sein Modell habe eine Krise in der Vergangenheit wunderbar umschifft, dann sei es wahrscheinlich mit Daten von damals trainiert worden, sagt Leber. Er betont: «Kommt es zu einem völlig neuen Ereignis an den Märkten, dann kann und soll unser Modell das nicht vorsehen.»


Stichwort künstliche Intelligenz
Vielfältig sind die Methoden, die unter dem Begriff künstliche Intelligenz (auf Englisch: Artificial Intelligence) zusammengefasst werden. Im Vordergrund steht das maschinelle Lernen: Die Methoden sollen aus gegebenen Inputdaten möglichst selbständig Muster erkennen, kategorisieren und Schlüsse ziehen.

Für Schlagzeilen sorgten in den vergangenen Jahren besonders Fortschritte bei künstlichen neuronalen Netzen. Sie werden heute für die Erkennung von menschlicher Sprache, Übersetzungen, Vorschläge für das Internet-Shopping und die Analyse von Bildern verwendet.

Das Prinzip ist dem menschlichen Gehirn – Neuronen sind Nervenzellen – nachempfunden und ist schon vor mehr als siebzig Jahren konzipiert worden. Dabei verändern sich die Gewichtungen von Verbindungen in einem Netzwerk von Neuronen, sodass sie von einer Kombination von Inputdaten zum passenden Output führen.

Die neuronalen Netze «lernen» dabei aus Trainingsdaten und verändern sich, um die optimale Verbindung von Input- zu Outputdaten zu finden. Die heutigen vielfältigen Anwendungen sind aber erst dank Durchbrüchen in den vergangenen Jahren möglich geworden.

Einerseits sind die Netzwerke «tief» geworden – das bedeutet, dass mehrere Schichten an Neuronen verwendet werden, mit einer sehr grossen Anzahl dieser virtuellen Nervenzellen. Auch die Trainingsdaten sind viel umfangreicher geworden: Google hat etwa für ein neuronales Netzwerk zur Bilderkennung Hunderte Millionen von Bildern verwendet. Dafür braucht es mehr Rechenkraft. Zudem ermöglichen neue Strukturen der neuronalen Netze immer eindrucksvollere Resultate dieses «Deep Learning».

Die Ergebnisse von neuronalen Netzen werden oft als intransparent angesehen: «Das ist eine korrekte Kritik», erklärt Christian Lopez von CRP Asset Management. «Die Modelle können Verzerrungen beinhalten – das hängt ganz von den verwendeten Daten ab.»

Neuronale Netze gehören zum Feld der Klassifikatoren. Diese sollen Daten möglichst sinnvoll strukturieren. Eine weitere bekannte Methode dafür sind Entscheidungsbäume. Dabei können Klassifikationen in Form von Verzweigungen anschaulich gemacht werden. Um aus unsicheren und unvollständigen Informationen Schlüsse zu ziehen, werden Bayes-Netze herangezogen. Eine weiterer Bereich der KI sind evolutionäre Algorithmen. Dabei werden Computermodelle zufällig – wie bei der biologischen Evolution – verändert, sodass sie immer besser das jeweilige Problem lösen können.

Viele Datenpunkte sind dabei Fluch und Segen. Denn soll das System etwa ein perfektes Portfolio finden, kann es dies für die Vergangenheit meist grossartig tun – das ist aber keine Garantie. Hendrik Leber von Acatis erklärt: «Wenn man Tausende Datenreihen hat, dann findet man darunter immer zehn, mit denen man einen Kursverlauf genau nachbilden kann.» (Finanz und Wirtschaft)

Erstellt: 14.03.2019, 12:59 Uhr

Artikel zum Thema

«Mein Lieblingsroboter ist mein digitaler Psychotherapeut»

Interview Technik-Philosophin Aleksandra Przegalinska über die Chancen, die künstliche Intelligenz eröffnet – und wie smarte Maschinen uns alle jetzt schon verändern. Mehr...

Ein Roboter als Freund? Ein Selbstversuch

Künstliche Intelligenzen drängen in den Alltag – aber schaffen sie den Sprung in unsere Seele? Unsere Autorin hat einen Monat lang mit einer App geplaudert. Mehr...

«Sie wird überall sein und jeden Teil unseres Lebens verändern»

Die künstliche Intelligenz war an der Münchner Sicherheitskonferenz ein grosses Thema. Wer wird sie am wirksamsten einsetzen? China? Die USA? Russland? Mehr...

Die Redaktion auf Twitter

Stets informiert und aktuell. Folgen Sie uns auf dem Kurznachrichtendienst.

Kommentare

Blogs

Tingler Alles auf Zeit
History Reloaded Der Zwingli des Islam

Die Welt in Bildern

Wiederspiegelt die Gesellschaft: Ein Fahrradfahrer fährt im Lodhi Art District von Neu Dehli an einem Wandbild vorbei. (24. März 2019)
(Bild: Sajjad HUSSAIN) Mehr...