Institutional Money, Ausgabe 3 | 2025

tum verwendet. Schlechte Aktien, für die es keine ähnlichen Titel als Ersatz gibt, werden in Indexanlagen getauscht. Im Mittel unterscheidet sich am Ende der Prozedur etwa die Hälfte der Aktien zwischen ursprünglichem und modifizier- tem Zustand. Das Ergebnis sind Portfolios, die Manager hätten auf- bauen können, wenn sie die gleichen Möglichkeiten zur Analyse gehabt hätten wie die KI. Aufgrund der relativ rea- litätsnahen Modellierung gehen die Forscher davon aus, dass ihre Simulationen eine glaubwürdige Schätzung des mögli- chen Mehrwerts öffentlicher Informationen darstellen. Ergebnisse Die untersuchte Stichprobe umfasst 3.337 aktiv gemanagte US-Aktienfonds im Zeitraum von 1990 bis 2020. Es werden um den Survivorship Bias bereinigte Daten des Center for Research in Security Prices (CRSP) verwendet. Als Erstes berechnen die Forscher die benchmarkbereinig- te Performance der Manager. Dazu ziehen sie die mittleren Renditen einer Vergleichsgruppe von Aktien ab, deren Merkmale hinsichtlich Size, Buchwert/Marktwert-Verhältnis und Momentum jeweils übereinstimmen. Das Ergebnis: Der durchschnittliche Manager erzielt vor Kosten ein Alpha von 2,8 Millionen US-Dollar pro Quartal (Median: –0,1 Mio. USD). Die Werte beziehen sich auf die Kaufkraft des Jahres 2022. Spannend wird es nun beim KI-Analysten. Die dadurch verbesserten Portfolios erzielten zusätzlich zu den 2,8 Millio- nen US-Dollar der menschlichen Manager ein durchschnitt- liches Quartals-Alpha von 15,1 Millionen US-Dollar. Dabei schnitten 91 Prozent der durch die KI verbesserten Port- folios über den Gesamtzeitraum besser ab als menschliche Manager. Gleichzeitig zeigen die Autoren die praktischen Grenzen des Verbesserungspotenzials. Denn im Vergleich zum praxisnahen KI-Analysten, der den gleichen Beschrän- kungen der Portfoliozusammensetzung unterliegt wie reale Fondsmanager, konnten Modelle ohne die wichtigsten Beschränkungen das Doppelte an Alpha erzielen. Dies wäre aber in der Praxis so nicht umsetzbar gewesen. In einer weiteren Untersuchung stellen die Forscher den KI- Analysten so ein, dass er die realen Portfolios nicht nur verbes- sert, sondern komplett ersetzt.Dabei wird der Teil des Portfo- lios, der nicht mit vergleichbaren Aktien des laut KI besten er- warteten Renditedezils bestückt werden kann, durch Indizes abgebildet.Anders als zuvor basiert dieses Portfolio vollständig auf öffentlichen Informationen, da alle Aktien der Manager ersetzt werden, bei denen möglicherweise auch private Infor- mationen eine Rolle gespielt haben. Das Ergebnis liegt mit einem Alpha von 15,3 Millionen US-Dollar pro Quartal auf Höhe der bloßen Verbesserungen.Allerdings stecken nun im Mittel 42 Prozent der Portfolios in Indizes, da die KI nicht ge- nügend wirklich aussichtsreiche Ersatzkandidaten ausfindig machen kann. Der Grund ist, dass die Positionsgrößen des Modells denen der realen Manager entsprechen, um die Er- gebnisse vergleichbar zu halten. Das ermittelte Alpha dürfte also eine konservative Schätzung des Potenzials sein, das die KI in öffentlichen Informationen finden kann. Mensch vs. Maschine Der KI-Analyst übertrifft das durchschnittliche Manager-Alpha deutlich. Die Grafik zeigt das durchschnittliche jährliche Alpha der Manager vor Kosten sowie das zusätzliche Alpha-Potenzial des KI-Analysten. Langfristig hat das Alpha- Potenzial mit Ausnahme einzelner Jahre insgesamt abgenommen. Quelle: deHaan, E. / Lee, C. / Liu, M. / Noh, S. (2025), The Shadow Value of „Public“ Information: Evidence from Mutual Fund Managers 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 2016 2018 2020 8 % 6 % 4 % 2 % 0 % - 2 % - 4 % - 6 % - 8 % ■ Alpha der Manager ■ Zusätzliches Alpha der KI 140 N o . 3/2025 | institutional-money.com THEORIE & PRAXIS | Effiziente Märkte FOTO: © STANFORD GRADUATE SCHOOL OF BUSINESS » KI deckt entgangene Gewinne aufgrund unzureichend genutzter öffentlicher Signale auf. « Chanseok Lee, Doktorand Accounting, Stanford Graduate School of Business, Stanford University