Das Fachmagazin für institutionelle Investoren

Geben Sie Ihren Benutzernamen und Ihr Passwort ein, um sich an der Website anzumelden:
Ad

Mit Weitblick: Chancen nachhaltig nutzen

Für uns sind Nachhaltigkeitskriterien Teil eines umfassenden Risikomanagements. Deshalb entwickeln wir nachhaltige Lösungen für die Herausforderungen der Zukunft. Mehr erfahren

Anzeige
2/2017 | Produkte & Strategien
twitterlinkedInXING

Es beginnt … jetzt!

Anno 2017 wird für die Finanzindustrie möglicherweise in die Geschichte eingehen. Denn im März dieses Jahres wurde in Deutschland der erste, komplett durch künstliche Intelligenz gesteuerte UCITS-Fonds ­zugelassen. Kann das funktionieren? Und was bedeutet das für den Homo sapiens unter den Managern?

1498052031_teaserbild11.jpg

Deus ex Machina? Diese Frage wirkt dieser Tage (noch) überzogen, tatsächlich können wir aber beobachten, wie eine neue Form von Intelligenz aus der Maschine herauszutreten beginnt und seinen Platz an den Finanzmärkten reklamiert. Doch wie unterscheidet sich KI von Algorithmen, wie sie in Smart-Beta-Strategien verwendet werden? In so ziemlich allem.

Künstliche Intelligenz hat vor allem eines: ein Imageproblem. Egal ob in der Gestalt des paranoid gewordenen intelligenten Lebenserhaltungssystems HAL aus dem Science-Fiction-Klassiker „2001 Odyssee im Weltraum“ oder in seiner brachialeren Inkarnation als Vernichtungsroboter Terminator oder in der metaphysischen Variante aus der Matrix-Trilogie – am Ende lautet das Resultat: Maschine killt Mensch.


Und jetzt das: Im März 2017 wurde in Deutschland von BayernInvest und Acatis der erste Publikumsfonds zugelassen, der laut Emittenten „zu 100 Prozent von künstlicher Intelligenz gesteuert wird“. Der Bayerninvest Acatis KI Aktien Global Fonds, der unter der ISIN DE000A2AMP25 gelistet ist, setzt dabei weltweit auf Einzeltitel und soll den MSCI World nachhaltig um drei Prozent per annum outperformen. Die künstliche ­Intelligenz, deren Architektur von der Softwareschmiede mit dem klingenden Namen Quantenstein entwickelt wurde, wählt dabei aus einem Anlageuniversum von rund 4.000 Aktien bis zu 50 Titel aus entwickelten Ländern aus und schichtet halbjährlich um. „In einem Walk-Forward-Test wurde dieses Ziel in neun von elf Jahren deutlich übertroffen. Drawdowns wurden dabei schneller aufgeholt als vom MSCI World Index selbst“, heißt es in der Beschreibung des Produkts.


Homo sapiens obsolet
Die Terminologie erinnert frappant an all die Zauberformeln, die man bereits von den „Quants“ aus der Smart-Beta-Industrie kennt – ­also am Ende doch nur alter Wein in neuen Schläuchen? „Definitiv nicht, das ist etwas vollkommen anderes“, erklärt Alessandro Di Soccio, Co-Gründer von A.I. Machines, am Rande der „Artificial Intelligence Investor Conference“, die im März dieses Jahres vom in der Schweiz ansäs­sigen Veranstalter Nextgen Alpha in Frankfurt organisiert wurde. Di Soccio ist von seiner Vita her ein gestandener Investmentbanker mit Citigroup-Vergangenheit, der als Bologna-Absolvent mitunter eine leichte Gereiztheit beim Thema „Harvard“ an den Tag legt.


Klassische passive Strategien hält er für obsolet und zählt deren Anwender zu den „Old Quants“, die er von den „New Quants“ unterscheidet. Wer an dieser Stelle glaubt, dass sich Di Soccio selbst als „New Quant“ sieht, irrt: Sein Status als Homo sapiens schließt das aus (siehe Darstellung „Der große Unterschied“ rechts). Und genau hier beginnt die Abgrenzung zwischen dem ­bekannten algogetriebenen Trading und dem, was künstliche Intelligenz bedeutet. Die ­bisherigen automatisierten Modelle hatten alle eine gemeinsame Ausgangsbasis: die menschliche. Denn die jeweiligen Modelle wurden von Menschen vorgegeben und ­basierten auf humanen A-priori-Ansichten darüber, wie Märkte funktionieren. Außerdem verfolgen „herkömm­liche Quant-Strategien in der Regel einen Top-down-Ansatz, die Erwartungen und Katalysatoren werden kodiert und vereinfacht gesagt über simple Wenn-dann-Verzweigungen geführt. Es handelt sich also um statische, regelbasierte Sys­teme“, erklärt Di Soccio die alte ­Finanzwelt.


Die Intelligenz kreiert ihr Modell selbst
So weit, so gut, doch wie agieren nun künstliche Intelligenzen? Die ers­te Antwort ist relativ simpel: ohne Menschen. „Die Intelligenz kreiert ihr Modell selbst und verfolgt dabei einen Bottom-up-Ansatz aus den vorhandenen Daten. Sie nimmt dann die sich daraus entwickelnden Verbindungen, ,kartografiert‘ sie, lernt aus der Vergangenheit und kalibriert das Modell entsprechend neu“, erklärt Di Soccio. Myriaden an Daten werden selbst erlernt und unablässig ausgewertet und je nach Bedarf neu zusammengesetzt. Unmöglich, dass ein menschlicher Programmierer oder ein menschliches Team eine quasi unendliche Anzahl an If-then-Verknüpfungen programmieren und immer wieder re-programmieren könnte. Es ist dieselbe Technologie, die die bis vor Kurzem für Computer nicht zu bewältigende Gesichtserkennung möglich gemacht hat. Ein normaler Algorithmus kann das nicht: Zu viele Punkte, die einen Gesichtszug ausmachen, müssten ausgewertet werden. Das menschliche Gehirn schafft das intuitiv, AI-Algorithmen ahmen das nach. Technisch ermöglicht hat dies das Konzept des „Deep Learning“ (siehe Kasten „Deep Learning – Ende und Anfang von allem“), das theoretisch zwar schon seit Jahrzehnten bekannt, aber erst seit Kurzem technisch umsetzbar ist.


Für einen Investor, der die Brave New World der artifiziellen Intelligenz nützen will – wohl nicht zuletzt, weil er die Kos­tenthematik aktiver Anlagen im Hinterkopf hat –, stellt sich aber die Frage: Erwirtschaftet diese Technologie eine Überrendite? Ers­te Indikatoren deuten darauf hin, dass diese Frage mit Ja zu beantworten ist – zumindest was die menschliche Konkurrenz betrifft. Laut Bloomberg-Daten aus den Jahren 2015 und 2016 (siehe Grafik „Artifizielle Masters of the Universe“) schafften alle Fonds, die weltweit von künst­licher Intelligenz gemanagt wurden, gegenüber allen Fonds, die von Managern auf Kohlenstoffbasis verwaltet wurden, eine Überrendite von rund 20 Prozentpunkten.


Zugegeben: Der so definierte Beobachtungszeitraum ist überschaubar und entsprechend bedingt aussagekräftig. Die noch junge Technologie und die ebenso kurzen Track Records lassen eine längere Beobachtungszeit schlicht nicht zu. Entsprechend vorsichtig zeigt man sich mitunter in der Finanzbranche. Zwar forschen neben den Vorreitern von Acatis und Bayerninvest auch Hedgefondsspezialisten der Man Group, von WorldQuant oder Winton an dieser Technologie, gerade Letzteren setzt aber bis zu ­einem gewissen Grad das Gebranntes-Kind-Feuer-Trauma zu: „Wenn man in den 1990er-Jahren den ­Hype rund um künstliche Intelligenz und die darauf folgende Ernüchterung miterlebt hat, neigt man dazu, skeptisch zu sein“, erklärt David Harding, CEO des rund 30 Milliarden Euro schweren Quanten-Fonds.


Physik statt Statistik
Was unter Umständen zu den Zweifeln beiträgt, ist die Tatsache, dass man das Gefühl hat, in eine Blackbox zu investieren. Dass es sich bei Deep Learning um eine möglichst akkurate Simulation des menschlichen Gehirns mit enorm hohem Verknüpfungsgrad handelt, mag ja schön und gut sein, doch reicht diese Information aus, um die Gelder der eigenen Klientel von einer intelligenten Maschine verwalten zu lassen? Fragt man die Techniker nach der genauen Funktionsweise ihrer KI-Algorithmen, geben diese sich tendenziell zugeknöpft – entweder weil sie das Gefühl haben, wertvolle Programmierzeit durch unnütze Laienaufklärung zu vergeuden, oder weil sie sich nur ungern in die Karten blicken lassen. Stefan Ruile, Co-Gründer von Autonomous Capital, gehört weder zur einen noch zur anderen Spezies.

„Physik statt Statistik“, erklärt er. Dem fragenden Gesichtsausdruck folgt eine Präzisierung: „Wir halten uns komplett aus der Statistik heraus und treffen keine Annahmen. Stattdessen orientieren wir uns an physikalischen Gesetzen. Denken Sie an Quantenmechanik, denken Sie an elektrische Feldtheorie.“ Ruile ist jetzt in seinem Element: „Stellen Sie sich zum Beispiel die Fresenius-Aktie vor. Sie folgt einem gewissen Weg, hat eine gewisse Masse, übt deshalb auch eine Art von Schwerkraft aus. Da kann es zu Wechselwirkungen kommen, der Weg der Aktie kann abgelenkt werden. Die künstliche Intelligenz lernt, wie sie sich durch diese Karte bewegen soll.“ Er hält kurz inne. „Aber wissen Sie, was außerdem noch wichtig ist?“ Wir wissen es nicht, ­Ruile antwortet also selbst: „Dass man der Maschine auch gestattet, zu vergessen.“ Verabsäumt man das, besteht die Gefahr, dass die künstliche Intelligenz zu stark von obsoleten Daten beeinflusst wird. Dramatische Ereignisse der Vergangenheit, für die sich inzwischen aber die Rahmenbedingungen geändert haben, würden im Fall einer ewigen, gleichgewichteten Erinnerung zu Verzerrungen führen und das künstliche ­Urteilsvermögen trüben.


Bemerkenswert auch der Ansatz, den Di Soccio verfolgt. Er simuliert mit seinem ­System nicht weniger als das gesamte Trading-Team einer Großbank. Die KIs werden dabei in drei Hierarchien eingeteilt. 600 selbst lernende KI-Analysten verarbeiten dabei die zugeführten Daten und geben Prognosen über die Entwicklung von Assetpreisen ab. Ein „Head-KI-Analyst“ führt die ­Ergebnisse zusammen und gibt für jedes einzelne Asset eine Empfehlung wie „Buy“, „Hold“ oder „Sell“ ab. Diese Einschätzungen landen dann bei einem KI-Risk-Manager, der „dynamisch die Gewichtung über die Assetklassen hinweg vornimmt und da­rauf achtet, das zu erwartende Kapitalverlustrisiko unter Einhaltung der Renditeziele zu minimieren“, wie Di Soccio erklärt.


Hier könnte man als kritischer Investor nachhaken und fragen, ob nicht das Risiko besteht, dass bei 600 verschiedenen Algorithmen, die auf dieselben Datensets zurückgreifen, alle 600 KI-Analysten letzten Endes dieselbe Meinung vertreten, es also keine Streuung der Einschätzung gibt. Di Soccio winkt ab. Jedem AI-Analysten wurden verschiedene Attribute einprogrammiert, die KIs werten die Daten also aus verschiedenen Blickwinkeln aus, wodurch 600 individuelle Einschätzungen entstehen.


„Brauchen roten Knopf“
Die Anbieter, oder vielleicht besser: die Erschaffer künstlicher Intelligenzen, sind von ihren Kreationen naturgemäß überzeugter, als es manch potenzieller Anwender ist. So erklärt ein Kodierer während des Nextgen-Symposiums, das Syst­em laufe fehlerfrei und komplett zuverlässig, de facto unfehlbar. Dass die Verkaufserfahrung des Programmierers nicht besonders ausgeprägt ist, wird klar, als er von sich aus erklärt, er habe keinen „roten Knopf“ kodiert, das Sys­tem könne also in turbulenten Marktphasen nicht abgeschaltet werden. Das stelle einen Vorteil dar – so könne die künstliche Intelligenz nicht in Positionen eingeschlossen werden, die sich als nachteilig erweisen könnten.


An dieser Stelle schießen die Hände aus dem Auditorium in die Höhe. „Wir brauchen diesen roten Knopf“, heißt es unisono. Die Forderung scheint beim KI-Experten zunächst körperliches Unbehagen auszulösen, letzten Endes lässt er sich von der potenziellen Kundschaft aber doch umstimmen: „Wir können so einen roten Knopf ­dazuprogrammieren.“ Wohl fühlt er sich bei dieser Aussage nicht, die Zuhörer wirken trotzdem erleichtert.


Erfolgsgeschichten
Tatsächlich gibt es bereits einzelne Storys von künstlichen Intelligenzen, die gerade in chaotischen Phasen den Markt bei Weitem geschlagen haben: etwa die des japanischen Hedgefonds Simplex Equity Futures Strategy, der wie das Acatis-Pendant komplett von künstlicher Intelligenz gesteuert wird. Als am 24. Juni des Vorjahres, also am Tag des Brexit, Chaos an den Märkten ausbrach, tradete die künstliche Intelligenz gegen den Markttrend, es kam für den Fonds zu deutlichen Verlusten. Yoshinori Nomura, der für die Kodierung des Programms und den Fonds selbst verantwortlich zeichnet, spielte zu diesem Zeitpunkt mit dem Gedanken, eben jenen roten Knopf zu drücken, verkniff es sich jedoch. Als der Markt nach den ersten Hochrechnungen von anfänglicher Euphorie in Panik verfiel, war die KI dann auch goldrichtig positioniert. Der Fonds beendete den Tag mit einem Plus von 3,4 Prozent. Der lakonische Kommentar von Ruile zum Thema Angst: „Künstliche Intelligenzen treffen bei Marktstress bessere Entscheidungen als Menschen, die sich im Panikmodus befinden.“


Also weg mit dem roten Knopf, weg von Smart Beta, weg vom menschlichen Stockpicking? Noch nicht ganz. Denn paradoxerweise gibt es in manchen Märkten eine Komplikation, die dem Datenproblem aus der Gründungszeit diametral entgegengesetzt ist: Beklagte man vor 30 Jahren, dass die Datenmengen zur Programmierung einer künstlichen Intelligenz für die damaligen Rechenkapazitäten zu groß waren, sind sie gegenwärtig mitunter zu klein. Die Techno­logie „Deep Learning kann sehr gut funktionieren, wenn man, wie in Rohstoff- und Währungsmärkten, Millionen, wenn nicht Milliarden Datenpunkte hat (...). Probleme können aber am Tagesaktienmarkt entstehen, wo es vielleicht nur ein paar ­tausend Punkte sind“, erklärt Hitoshi Harada, Co-Gründer von Alpaca, ein Unternehmen, das Deep-Learning-Software für den Finanzbereich entwickelt.


Ebenfalls wenig geeignet erscheint die Technologie gegenwärtig noch für den High-Frequency-Handel. Intuitiv würde man meinen, dass künstliche Intelligenz hier funktionieren sollte, die extrem hohe Trading-Frequenz lässt aber bislang die herkömmlichen Handelsprogramme deutlich besser abschneiden. Die Frage nach der idealen Handelsfrequenz beantwortet Ruile so: „Eine Sekunde ist zu kurz, ein Jahr zu lang.“


Holpriger Start
Womit wir zum Auslöser unserer Betrachtungen zurückkehren wollen, nämlich zum KI-Fonds von Bayerninvest und ­Acatis. Als dieser Artikel verfasst wird, befindet sich das Produkt seit 35 Tagen am Markt und hat in diesem Zeitraum ein Plus von 0,5 Prozent geschafft. Die Benchmark MSCI World, die um drei Prozent per annum geschlagen werden soll, erzielte im selben Zeitraum eine Performance von 2,3 Prozent. Die künstliche Intelligenz hat den passiven Vergleichsindex also nicht nur nicht ­erreicht, sondern auch ziemlich deutlich underperformt. Einwenden mag man an dieser Stelle: Der Betrachtungszeitraum ist zu kurz, ein Perfor­manceausweis demnach nicht fair. Das mag auch tatsächlich zutreffen. Auf der anderen Seite stellt Fairness bekanntlich keine maschinelle Kategorie dar. ­Zumindest noch nicht.   


Anhang:

twitterlinkedInXING
 Schliessen