Künstliche Intelligenz findet auch auf dem Finanzmarkt vermehrt Anwendung. So kann die Technologie etwa beim Aufbau des Portfolios unterstützen. Können durch KI getroffene Investitionsentscheidungen den breiten Markt langfristig übertrumpfen?
• KI-gestützte Investitionsentscheidungen
• Studie untersucht Performance von KI-Fonds
• BlackRock setzt bereits auf KI-Tool
ChatGPT & Co. können bei Investitionsentscheidungen unterstützen
Zu den Trendthemen am Aktienmarkt zählt in diesem Jahr zweifelsfrei künstliche Intelligenz (KI). Jedoch findet die Technologie nicht nur als Investitionsziel in Form von großen Marktakteuren wie dem OpenAI-Investor und Windows-Entwickler Microsoft, dem Chipriesen NVIDIA oder der Google-Mutter Alphabet Anwendung, sondern kann auch bei Anlageentscheidungen unterstützen. So haben Forscher der University of Florida bereits im Frühjahr untersucht, inwiefern der Chatbot ChatGPT am Finanzmarkt Unterstützung bieten kann. Das Ergebnis: Das Sprachmodell war in der Lage, Aktienbewegungen auf Basis von Unternehmensnachrichten vorherzusagen. Auch der Finanzservice “finder.com” berichtete über einen Selbstversuch, im Rahmen dessen man ChatGPT bat, einen Aktienkorb mit mindestens 30 Titeln zusammenzustellen, der sich an den Investmentprinzipien von führenden Fonds orientiert. Das vom Chatbot generierte, 38 Titel starke Depot enthielt demnach etablierte Titel wie Meta, Johnson & Johnson und Berkshire Hathaway. Und auch die Performance des fiktiven Fonds konnte sich sehen lassen: So schlug der ChatGPT-ETF die zehn beliebtesten Fonds im Vereinigten Königreich im Zeitraum von acht Wochen.
Index-Outperformance von KI-Fonds?
Auch wenn es verlockend klingen mag, Investitionsentscheidungen auf künstliche Intelligenzen auszulagern, sei jedoch Vorsicht geboten, warnte Larry Swedroe in einem Beitrag auf dem Marktportal “Advisor Perspectives”. So wies der Forschungsdirektor des Vermögensverwalters Buckingham Strategic Wealth auf die Herausforderungen hin, die das aktive Management eines Fonds mit sich bringe. Schließlich sei es für Fondsmanager bei Weitem kein Leichtes, mit ihren ETFs die Performance eines Index zu schlagen.
Um zu prüfen, inwieweit KI-Lösungen in der Lage sind, Index-Fonds zu übertreffen und damit aktiv gemanagte Fonds obsolet zu machen, zog Swedroe die 2021 erschienene Studie “A Review of Machine Learning Experiments in Equity Investment Decision-Making: Why Most Published Research Findings Do Not Live Up to Their Promise in Real Life” von Wojtek Buczynski, Fabio Cuzzolin und Barbara Sahakian zu Rate. Im Rahmen der Untersuchung analysierte das Forscherteam 27 akademische Experimente mit KI-Marktprognosen aus über zwei Jahrzehnten und verglich diese mit durch maschinelles Lernen verwalteten Fonds. Die KI-Experimente versprachen eine sehr hohe Vorhersagegenauigkeit, die die Forscher unter realen Bedingungen untersuchten.
KI-Fonds noch mit Kinderkrankheiten
Bei der Prüfung der Modelle fiel jedoch auf, dass die meisten Modelle in mehreren Parallelversionen ausgeführt wurden, aber nur das erfolgreichste Modell mit dem besten Ergebnis als “Hauptprodukt” präsentiert wurde. Alle weniger starken Ergebnisse wurden nicht berücksichtigt.
Auch warben die Modelle mit einem hohen Maß an Genauigkeit von ungefähr 95 Prozent, wie aus der Studie hervorgeht, hier kritisierte Swedroe jedoch die Verhältnismäßigkeit dieses Prozentsatzes. So könne eine Fehlerwahrscheinlichkeit von fünf Prozent verheerende Folgen für einen Fonds haben und im schlimmsten Fall Gewinne und Kapital implodieren lassen. Darüber habe die Vorhersagegenauigkeit der Modelle mit der Zeit nicht zugenommen, so die Forscher.
Außerdem sei der Aufbau der untersuchten Modelle in den meisten Fällen nicht transparent gewesen. Dies würde bei Investoren, die die Finanzprodukte nutzen sollen, jedoch kein Vertrauen wecken. Zwar informierten auch einige KI-Fonds darüber, welche Datenquellen zum Aufbau der Modelle verwendet wurden, diese performten jedoch in der Regel schlechter als der Gesamtmarkt. Darüber hinaus wurden die Handelskosten meist nicht mit einberechnet.
Unterdurchschnittliche Performance
Insgesamt kamen die Forscher zu dem Ergebnis, dass die untersuchten KI-Fonds hinter dem breiten Markt zurückfielen, und zwar unabhängig vom Anbieter. “Kurz gesagt: Es gibt keine schlüssigen Beweise dafür, dass *irgendein* ML-gesteuerter Investmentfonds spektakuläre Renditen in großem Umfang erzielt”, schrieben Buczynski, Cuzzolin und Sahakian. “Alle Marktdaten deuten darauf hin, dass sie im Vergleich zu den Benchmark-Indizes deutlich unterdurchschnittlich abschneiden.” Uneinigkeit bestehe nur darin, wie stark die Modelle underperformten.
KI-ETF läuft auf IBMs Watson
Zu den untersuchten Fonds zählt auch der AI Powered Equity ETF (AIEQ) von EquBot. Der ETF läuft auf dem Supercomputer Watson von IBM und wirbt damit, ein Team von 1.000 Analysten und Händlern zu ersetzen. Dazu analysiert das KI-Modell “Millionen von Datenpunkten aus Nachrichten, sozialen Medien, Branchen- und Analystenberichten, Jahresabschlüssen von über 6.000 US-Unternehmen, technischen und makroökonomischen Daten, Marktdaten und mehr”, wie der Betreiber ETFMG informiert. Zwischen November 2017 und Juni 2023 wies der Fonds eine jährliche Rendite von 6,7 Prozent auf, bei einer Standardabweichung von 23,0 Prozent. Damit bewegte sich das KI-Modell deutlich schwächer als etwa der Vanguard Total Stock Market Index Fund (VTSMX). Im Juni 2023 verwaltete der KI-Fonds ein Vermögen in Höhe von 115 Millionen US-Dollar.
“Kollektive Weisheit” schlägt KI
Dass die IBM-Technologie zwar in der Lage ist, einzelne Personen zu übertrumpfen, etwa in der US-Quizsendung “Jeopardy””, nicht aber den Gesamtmarkt, sei Swedroe zufolge erwartbar. So müsse der Supercomputer an der Börse gegen die “kollektive Weisheit von Millionen von Menschen” ankämpfen, nicht nur gegen den Wissensstand einer einzelnen Person. Außerdem haben neue Informationen, darunter Unternehmensnachrichten oder konjunkturelle Veränderungen, sehr schnell Auswirkungen auf die Aktienkurse, auf die Algorithmen zum Teil noch nicht zeitnahe reagieren können, so der Experte. “Der Wettbewerb besteht heute in der kollektiven Entscheidungsfindung nicht nur von Menschen, sondern auch von Maschinen, Algorithmen und Algorithmen, die vorhersagen, was andere Algorithmen als nächstes tun werden”, hielt der Marktkenner fest. “Eine erfolgreiche KI-Strategie wird daher wahrscheinlich nur von kurzer Dauer sein.” Zwar haben KI-Lösungen den Finanzmarkt verändert, gegen das gesammelte Wissen der Marktteilnehmer komme die Technologie jedoch noch nicht an, zeigte sich Swedroe sicher. Dementsprechend bestehe kein Grund zur Annahme, dass KI-Fonds den breiten Markt in Zukunft langfristig outperformen.
BlackRock setzt KI-Lösung für Fondsmanagement ein
Beim weltweit größten Vermögensverwalter BlackRock finden KI-Analysen bereits jetzt schon Anwendung, sollen bislang aber eher unterstützend wirken. So identifizierte CEO Laurence Fink falsche Handelsentscheidungen bei aktiv verwalteten Fonds als wahrscheinlichste Ursache von schwachen Kursbewegungen, wie es in einem Beitrag des Florida International University College of Business heißt. Hier können KI-Tools jedoch unterstützend wirken, wie auch der BlackRock-Manager Mark Wiseman ergänzte. “Die alte Art und Weise, wie Menschen in einem Raum sitzen und Aktien auswählen und denken, dass sie schlauer sind als andere – das gibt es nicht mehr”, wird der Experte zitiert. Der Vermögensverwalter hat bereits einige Aktienberater durch ein auf maschinelles Lernen basierendes Analyseprogramm ersetzt. Ob diese Entwicklung in der Branche im großen Stil zu Entlassungen führen könne, sei jedoch momentan noch nicht abzusehen, wie im Beitrag der US-Universität geschrieben wird.
Redaktion finanzen.net
Dieser Text dient ausschließlich zu Informationszwecken und stellt keine Anlageempfehlung dar. Die finanzen.net GmbH schließt jegliche Regressansprüche aus.
Ausgewählte Hebelprodukte auf Alphabet A (ex Google)
Mit Knock-outs können spekulative Anleger überproportional an Kursbewegungen partizipieren. Wählen Sie einfach den gewünschten Hebel und wir zeigen Ihnen passende Open-End Produkte auf Alphabet A (ex Google)
Der Hebel muss zwischen 2 und 20 liegen
