KI im Asset Management: Neue Generation von KI spricht auch institutionelle Investoren an
Institutionelle Investoren setzen schon lange auf stark datengetriebene Ansätze im Portfoliomanagement, bisher vor allem mit sogenannten Quant-Strategien, deren Modelle auf statistischen Analysen, wie Regressionen, aufbauen. ENI sprach mit Pablo Hebestreit, Head of Quantitative Analysis bei der LAIQON-Tochter LAIC und Portfoliomanager zweier KI-Aktienstrategien, wie sich KI- von Quant-Fonds unterscheiden, wie die KI Einzeltitel auswählt und ob auch institutionelle Investoren dieser Technologie vertrauen.
ENI: Was ist der Unterschied zwischen Quant- und KI-basierten Strategien im Asset Management?
Hebestreit: Quant-Strategien sind eigentlich ein Vorreiter der heutigen KI-Modelle. Genau wie die Künstliche Intelligenz setzen sie darauf, Muster und Zusammenhänge in großen Datenmengen zu erkennen, Performancetreiber zu identifizieren und so bessere Anlageentscheidungen zu treffen. Die alten Quant-Strategien waren jedoch sehr statisch, sie haben die einmal identifizierten Regeln nur angewandt. Moderne KI-Strategien sind da viel agiler. Erstens können sie mehrdimensionale Muster und auch nicht-lineare Zusammenhänge in riesigen Datenmengen erkennen. Zweitens lernen sie ständig dazu, indem sie diese Muster anhand neuer Daten laufend überprüfen, verfeinern oder anpassen. Drittens kann die KI eine viel breitere Datenbasis auswerten. Und viertens, und das ist auch innerhalb der aktuellen KI-Modelle ein echter Game Changer, können die neuesten Modelle mit Hilfe neuronaler Netze auch die Wahrscheinlichkeit einer Aussage modellieren. Das ist möglich, wenn man wie wir mit unserem LAIC-ADVISOR® die KI mit Bayes’scher Statistik kombiniert.
ENI: Wie stellt die KI die Titel für ein Aktienportfolio zusammen?
Hebestreit: Stark vereinfacht gesagt: Die KI prognostiziert, mit welcher Wahrscheinlichkeit Aktien gut laufen werden und was die Performance treibt. Dabei unterscheiden wir zwischen Faktoren und Features. Die Faktoren sind Performancetreiber für eine ganze Gruppe von Aktien, wie Regionen oder Sektoren. Faktoren erklären etwa 70 bis 80 Prozent der historischen Renditen. Features nennen wir die Treiber, die Titel-spezifisch sind, zum Beispiel Unternehmenswachstum, spezifische Nachrichten oder Marktbewegungen. Die Features liefern das Alpha, das wir für unsere Einzeltitelauswahl suchen. Die Faktoren entscheiden über die Asset Allokation, die Features über die Einzeltitelauswahl. Mit diesem Wissen bewertet die KI dann den aktuellen Markt.
Hier kommt wieder die Macht der Bayesianisch Neuronalen Netze zum Tragen: Sie berechnen für jede analysierte Aktie die Wahrscheinlichkeit, dass die prognostizierte Perfomance eintritt. Zusammengefasst: Die KI, die wir bei LAIC entwickelt haben, ist also ist ein sehr machtvolles Tool für die Optimierung der Asset Allocation.
ENI: Welche Daten fließen in die Einzeltitel-Bewertung ein?
Hebestreit: Die KI hat natürlich umfassenden Zugriff auf das gesamte klassische Datenuniversum aus makroökonomischen Daten sowie Bilanz- und Bewertungskennzahlen. Dazu kommen Analystenschätzungen, Nachrichten oder die Stimmung zu Unternehmen und relevanten Themen in Social Media. Unsere KI scannt und analysiert diesen Informationsfluss laufend und integriert diesen in seine Entscheidungen. Insgesamt stehen unserem LAIC-ADVISOR® mittlerweile über mehr als 800 Millionen Datenpunkte für die Mustererkennung zur Verfügung, die bis zu 30 Jahre zurückreichen.
ENI: Wie sieht es denn mit der Performance aus, überzeugt die KI auch in der Praxis?
Hebestreit: Unsere aktiven Aktienstrategien haben sich seit Auflegung im Mai 2020 sehr gut geschlagen. Der LF - AI Impact Equity US zum Beispiel erzielte im Jahr 2023 eine Performance von plus 21,72 Prozent in der RC-Tranche mit der ISIN DE000A2P0UD7. Und das bei einer Volatilität von 12,7 Prozent. In diesem Jahr lag die Performance zum 28. März bei plus 12,97 Prozent und damit 0,15 Prozentpunkte über der Benchmark des Fonds, dem MSCI USA NR. Das ist auch deshalb so beachtlich, weil er ein Artikel-9-Fonds ist. Zusätzlich zur guten Performance weist das Portfolio aktuell einen um mehr als 50 Prozent niedrigeren CO2-Fußabdruck aus als seine Benchmark.
ENI: Institutionelle Investoren wollen in der Regel die Anlagestrategie und die Einzeltitelauswahl verstehen. KI-Strategien gelten dagegen als Black Box. Schreckt das professionelle Investoren ab?
Hebestreit: Tatsächlich sind KI-Fonds sehr transparent, es gibt eine klare Systematik, aggregierte Einzeltitel-Bewertungen und ein integriertes Risikomanagement. Dazu kommt, dass unsere Fonds mittlerweile über mehr als drei Jahre echten Trackrecord verfügen. Gerade große institutionelle Investoren wie zum Beispiel Versicherungen sind bereits interessiert und evaluieren das Potenzial für sich – nicht nur mit eigenen Geldern, sondern auch mit dem Blick darauf, wie sich unsere KI in das Asset Management ihrer eigenen Kunden integrieren lässt.
Der Beitrag ist zuerst in EXXECNEWS INSTITUTIONAL ENI 03 erschienen.
Pablo Hebestreit ist Head of Quantitative Analysis LAIC und Portfoliomanager der Fonds „LF-AI Impact Equity US“ und „LF-AI Impact Equity EU“.
Hamburg auf dem Weg zur etwas anderen "Smart City"
