In KI investieren: Über den Hype hinaus

Quant-Strategien wurden schon immer von Daten und Technologie bestimmt – und KI ist das jüngste Kapitel in dieser Entwicklung. Es sollte erwähnt werden, dass KI im Investing nicht völlig neu ist. Verfahren des maschinellen Lernens und der Verarbeitung natürlicher Sprache werden seit Jahrzehnten erforscht und in unseren Strategien eingesetzt.

Was jetzt anders ist, ist das Ausmaß dessen, was diese KI-Techniken leisten können, und die Vielfalt der Daten, die sie verarbeiten können. Die KI ersetzt die bewährten Methoden im Quant Investing nicht, sondern ergänzt sie. Stellen Sie sich vor, Sie wechseln von einem Werkzeugkasten mit Handwerkzeugen zu Elektrowerkzeugen – die Arbeit ist dieselbe, aber wir wollen sie schneller und effektiver erledigen.

Maschinelles Lernen

So kann maschinelles Lernen (ML) beispielsweise komplexe Muster in Daten aufdecken – einschließlich nichtlinearer Beziehungen und subtiler Wechselwirkungen, die herkömmlichen Modellen möglicherweise entgehen. So können wir bestehende Signale verfeinern oder neue Alpha-Quellen entdecken. Durch die Kombination eines klassischen Signals für Kursumkehrungen mit Daten zur Nachrichtenstimmung konnte unser Quant Team beispielsweise die Fähigkeit verbessern, Aktien zu erkennen, die nach einer Überreaktion wahrscheinlich wieder anziehen werden. Mit maschinellem Lernen können auch ähnliche Wertpapiere auf der Grundlage gemeinsamer Merkmale wie Lieferkette oder Technologienutzung gruppiert und so das Risikomanagement optimiert werden. Diese Art von Einblicken trägt dazu bei, dass sich quantitative Modelle besser an die schnelllebigen Märkte von heute anpassen lassen.

Verarbeitung natürlicher Sprache

Die Fähigkeit der KI, Sprache zu interpretieren, hat sich rasant weiterentwickelt – von der einfachen Wortzählung bis hin zu umfangreichen Sprachmodellen, die Feinheiten, Tonfall und Absicht verstehen können. Durch die Analyse von Textdaten wie Nachrichten, Finanzberichten oder Mitarbeiterbewertungen und sogar durch das Abhören des Tonfalls bei Telefonkonferenzen können mithilfe der Verarbeitung natürlicher Sprache tiefere Einblicke in die Stimmungslage gewonnen werden. Egal, ob es darum geht, die Zuversicht eines CEOs zu messen, leichte Veränderungen der Kundenstimmung zu erkennen oder Schlüsselakteure in der Lieferkette eines Unternehmens zu bestimmen – die Verarbeitung natürlicher Sprache bereichert unser Verständnis der allgemeinen Unternehmenslandschaft. Diese umfassenderen Signale fließen in unsere quantitativen Modelle ein und können einen Vorteil bei der Einschätzung der Marktstimmung und der Solidität der Unternehmen bieten.
Durch das Thema alternative Daten – unkonventionelle oder weniger traditionelle Datentypen, die in der Vergangenheit nicht für Anlageentscheidungen eingesetzt wurden – werden diese KI-Techniken möglich und zunehmend unerlässlich. Alternative Daten sind in ihrem Umfang, ihrer Vielfalt und ihrer Generierungsgeschwindigkeit beispiellos und bieten Echtzeiteinblicke in die Wirtschaftstätigkeit, die traditionellen Daten oft entgehen. So können zum Beispiel Kreditkartendaten Veränderungen bei den Konsumausgaben signalisieren, während sich anhand von Versandverzeichnissen die globalen Handelsströme verfolgen lassen.

Alternativer Daten

Um das Rauschen vom Signal zu trennen und die Flut alternativer Daten in konkrete Anlageerkenntnisse umzuwandeln, müssen innovative KI-Techniken mit vernünftigen wirtschaftlichen Hypothesen kombiniert werden. Die Einbeziehung von KI in Anlageprozesse bietet sowohl quantitativen als auch fundamentalen Anlegern die Vorteile einer schnelleren Geschwindigkeit, breiterer Informationsquellen und einer besseren Informationsverarbeitung. Aber sie erfordert ebenso, dass wir KI zielgerichtet, klar und transparent in unseren Prozessen einsetzen.

Angesichts der vielen neuen Daten und der hohen Rechenleistung, die uns zur Verfügung stehen, können Quant-Anleger heute auf Datenquellen und Techniken zurückgreifen, die vor zehn Jahren noch unvorstellbar waren. Das Quant Team von Robeco zum Beispiel hat sein Toolkit erweitert, um alles von sektorspezifischen Signalen bis hin zu neuartigen alternativen Datensätzen einzubeziehen.

Um sicherzustellen, dass sich Quant-Strategien auf gesunde, evidenzbasierte Weise weiterentwickeln und die Robustheit bewahren, die unsere Kunden erwarten, haben wir in unserem Inkubator spezielle KI-gestützte Strategien entwickelt. Dies hat zum Beispiel zur Einführung unseres Dynamic Theme Machine (DTM) ETF geführt.

Dynamic Theme Machine

Thematic Investing ist sehr attraktiv, bringt aber auch Herausforderungen mit sich. Anleger widmen sich oft erst dann einem Thema, wenn es bereits hochaktuell ist, und verpassen so den Vorteil, es frühzeitig zu kennen. Aufkommende Themen sind möglicherweise zu unbedeutend, um ein eigenständiges Produkt zu rechtfertigen. Und sobald eine Investition getätigt ist, kann es schwierig sein zu erkennen, wann ein Thema verblasst, was zu verpassten Chancen an anderer Stelle führt.

Der Dynamic Theme Machine (DTM) ETF von Robeco nutzt KI, um diese Herausforderungen durch einen multithematischen quantitativen Ansatz zu bewältigen. Unsere KI-Engine scannt mithilfe von Techniken wie der Verarbeitung natürlicher Sprache umfangreiche und vielfältige Datenquellen, um Muster zu erkennen, thematisches Momentum zu sehen und zu signalisieren, wann ein Thema an Zugkraft gewinnt oder verliert. So können wir eine dynamische Allokation zwischen aufstrebenden und etablierten Themen eingehen, wobei uns ein systematischer Ansatz hilft, effizient zu wechseln. Unsere bewährten Algorithmen für die Aktienauswahl und den Portfolioaufbau gewährleisten ein durchgängig striktes Risikomanagement.

Auch für fundamentale Anleger ist KI zu einem beherrschenden Thema geworden. Mit ihrer scheinbar unendlichen Fähigkeit, verschiedenste Aufgaben von der Computerprogrammierung bis zur Arzneimittelentwicklung zu übernehmen, wurde KI als nächstes Zeitalter der Technologie angekündigt, vergleichbar mit dem PC, dem Internet und dem Smartphone. Die Auswirkungen solcher technologischen Veränderungen sind zwar auf breiter Ebene spürbar, aber in der Regel gibt es wenige Begünstigte.

Daher konzentrieren wir uns darauf, Anbieter grundlegender Technologien und solche Unternehmen zu erkennen, die die Technologie in ihrem Kerngeschäft zur Wertschöpfung einsetzen.

KI-Grundlagen

Den Wettbewerbsvorteil und den tatsächlichen Mehrwert von Unternehmen zu verstehen, die Technologien für die KI-Entwicklung bereitstellen, ist entscheidend für den Aufbau langfristiger Renditen. In früheren Technologieepochen war es so, dass wenige Unternehmen, die grundlegendes geistiges Eigentum bereitstellten, den Großteil der Wertschöpfung im gesamten Zyklus für sich verbuchen konnten. Dies war zum Beispiel bei IBM im Mainframe-Zeitalter, bei Microsoft und Intel im PC-Zeitalter und bei Apple und Qualcomm im Mobilfunk-Zeitalter sowie bei Amazon und Google im Internet-Zeitalter der Fall. Auch wenn viele andere Technologien in diesen Zeiträumen Bedeutung erlangten, erwiesen sich diese Wegbereiter und Komponentenlieferanten oft als austauschbar. Wir vermuten, dass sich im KI-Zeitalter eine ähnliche Dynamik entwickeln wird.

KI-Vorreiter

Außerdem sind KI-Vorreiter Unternehmen aus verschiedenen Sektoren, die KI zur Verbesserung ihrer Produkte oder Abläufe einsetzen. So gut wie jedes Unternehmen wird KI in irgendeiner Form einsetzen, so wie heute jedes Unternehmen Computer oder das Internet nutzt, aber die Auswirkungen auf ihre finanzielle Performance werden unterschiedlich sein. Das Internet begünstigte zum Beispiel die Entstehung einer neuen Klasse von Wettbewerbern, vom elektronischen Geschäftsverkehr bis zu den Streaming-Medien. Diese Entwicklung veränderte die jeweiligen Branchen. Ebenso ermöglichte das Cloud-Computing ein neues Geschäftsmodell für Software, da Anbieter von Software as a Service (SaaS) nicht nur die etablierten Anbieter vertrieben, sondern auch den Markt für Unternehmensanwendungen erweitert haben. KI hat bereits Möglichkeiten für bestehende SaaS-Anbieter geschaffen, ihre Angebote zu optimieren, und für neue Marktteilnehmer, das Modell noch einmal zu überdenken.

Strategie für digitale Innovationen

Diese Möglichkeiten erfordern eine sorgfältige Analyse, bei der die Substanz hinter den KI-Versprechen untersucht wird. Verfügt das Unternehmen über geschützte Daten? KI-Talent? Eine vertretbare Strategie zur Monetarisierung ihrer KI-Fähigkeiten? Indem wir diese Fragen stellen, wollen wir den Hype von der Realität und dem Potenzial trennen. Unsere Strategie Digital Innovations zielt darauf ab, etablierte Akteure und vielversprechende aufstrebende Unternehmen zu berücksichtigen, wenn dies angemessen ist, wobei die Risiken stets abgewogen werden.