Automatisierung und Finanzdienstleistungen: Aufklärung über die Mythen

Gastbeitrag von Charles Ellis, Mediolanum Asset Management

Charles Ellis
Charles Ellis

In Zeiten von selbstfahrenden Autos, Roboter-Operationen und Computern, die menschliche Spieler in hochkomplexen Spielen wie Chess oder Go zu Fall bringen können, scheint vielen offensichtlich: Die Automatisierung der Wall Street, der City of London, des Finanzplatzes Frankfurt und anderer Finanzzentren muss unmittelbar bevorstehen. Es wird davon ausgegangen, dass Künstliche Intelligenz (KI) den Stockpicker und Fondsmanager in Kürze in dieselbe historische Vergessenheit geraten lassen wird wie den Textilweber.

Zwar ist richtig, dass KI ein großes Potenzial im Bereich von Finanzdienstleistungen hat. Aber im Hier und Jetzt müssen die übertriebenen Erwartungen technophiler Beobachter leider dezent enttäuscht werden. Wenn das geschieht, ist die Reaktion dieser Beobachter häufig, zum anderen Extrem umzuschlagen und sich zu beschweren, dass sich die Finanzdienstleistungsindustrie KI nicht zu Nutze macht und in einem technologischen dunklen Zeitalter steckt. Grundlage dafür ist ein Missverständnis über die Anwendung von Technologie im Bereich von Finanzdienstleistungen. Maschinelles Lernen, ein weniger griffiges Konzept als KI, wird seit langem verwendet. Letzen Endes ist eine einfache lineare Regression in einer Excel-Tabelle ein Beispiel für maschinelles Lernen, wenn auch eine sehr grundlegende Form.

Nein, das ist nicht das Äquivalent des selbstfahrenden Autos im Finanzdienstleistungsbereich. Es ist auch nicht so gemeint. Maschinelles Lernen ist ein weniger faszinierender Name als KI, aber es wird allgemein und gewinnbringend verwendet. Darüber hinaus kann weiterentwickeltes maschinelles Lernen als ein starker Partner für menschliche Manager fungieren. Es kann Vorhersagen entwickeln und diese Vorhersagen dann in eine Strategie umwandeln. Es kann schneller als ein Manager Long-/Short-Positionen auswählen, aber in allen Fällen ist eine Kontrolle durch den Menschen erforderlich, um das vorgeschlagene Vorgehen nachzuprüfen. Die Maschine sollte nicht ohne Aufsicht arbeiten dürfen.

Hier ist ein sehr zutreffendes Beispiel. Wie wir alle wissen, ist der Außenwert des Pfund Sterling stark gesunken, nachdem das Ergebnis des Referendums über die Mitgliedschaft in der Europäischen Union am 23. Juni 2016 in Großbritannien bekannt wurde. Ein maschinelles Lernprogramm würde die riesige Menge historischer Daten untersuchen, die ihm zur Verfügung stehen, und sofort feststellen, dass jeder so starke Rückgang des Pfund-Wertes in der Vergangenheit, wie 1976, 1985 und 1992, als Großbritannien den Euro-Wechselkursmechanismus verließ , gefolgt war von einem Kurssprung.

Dies wäre aus Sicht des maschinellen Lernens eine offensichtliche Kaufgelegenheit gewesen. Es würde einen menschlichen Manager brauchen, um festzustellen, dass „es dieses Mal anders ist“, dass das Ergebnis des Referendums uns in unbekannte Gewässer geführt hat, und dass es klug wäre, keine starke Erholung des Pfund Sterling zu erwarten. Ein solcher Manager wäre natürlich bestätigt gewesen. Kurz gesagt: Die Automatisierung wird den Menschen in absehbarer Zeit nicht ersetzen. Aber das bedeutet nicht, den Wert von Entwicklungen im Bereich Big Data anzuzweifeln, die das maschinelle Lernen wesentlich verbessern können, um Ergebnisse für Kunden zu verbessern, auch wenn es nicht so anregend klingt wie „Robotermanager“.

In der Tat können Unternehmen mit der richtigen Verwendung von Daten sowohl ein besseres Verständnis ihrer Kunden erreichen als auch helfen, dieselben Kunden in verschiedenen Handelsstilen zu schulen. Es ist nicht verwunderlich zu erfahren, dass kein Vermögensverwalter weniger für Daten aufwendet als noch vor fünf Jahren, und die meisten geben mehr aus. Dies spiegelt zum Teil den Stellenwert wider, den die Asset-Management-Branche diesen Daten beimisst. Zum Teil spiegelt es die Realisierung der Produkte durch die Anbieter wider, so dass die Preise stark gestiegen sind.

Eine Herausforderung für Manager in der Branche besteht darin, die Fähigkeiten der Mitarbeiter in ihren Teams ständig zu verbessern, insbesondere in Bezug auf Technologie. Sie werden mehr und mehr nach vielseitig qualifizierten Menschen suchen. Zum Beispiel ein Händler, der auch ein Programmierer ist. Wenn man über Entwicklungen in diesem Bereich nachdenkt, werden die wichtigsten Gradmesser immer erstens die Rendite einer erheblichen Investition sein und zweitens der Nutzen für die Kunden, das ist es, worum es überhaupt geht.

Die Menschen sind begeistert von den Science-Fiction-Aspekten der Technologie im Finanzdienstleistungssektor, so wie anderswo. Sie fühlen sich im Stich gelassen, wenn sie erfahren, dass der Roboterfondsmanager auf dem Reißbrett bleibt. Sie sollten jedoch Mut schöpfen aus den aufregenden und innovativen Entwicklungen im Bereich der Datenanalyse, die die Partnerschaft zwischen menschlichen Managern und Maschinen noch leistungsfähiger machen werden. Das Ziel ist es, die besten Renditen für die Kunden zu erwirtschaften, und das bedeutet aktuell, dass die Technologie als Werkzeug genutzt wird, das letztlich von einem menschlichen Manager eingesetzt wird.

EXXECNEWS-Autor Charles Ellis ist Quantitative Strategist bei Mediolanum Asset Management (Dublin). Der Gastbeitrag ist zuerst erschienen in EXXECNEWS Ausgabe 08/2018.

www.maml.ie

Zurück

Gastbeiträge
Guy Wagner

USA übernehmen wieder die Rolle als Motor der Weltwirtschaft

Nachdem das globale Wachstum ein Jahr lang synchron verlaufen ist, ...

Aneeka Gupta

Ganz schön wagemutig

Kommentar von Aneeka Gupta im Anschluss an die EZB-Ratssitzung am 14. Juni ...



Mit der Nutzung der DFPA-Seite und Services, erklären Sie sich damit einverstanden, dass wir Cookies verwenden. Weiterlesen …