Einsatz künstlicher Intelligenz im Asset Management
Die CFA Institute Research Foundation hat in einer Marktanalyse die aktuellen Anwendungen künstlicher Intelligenz (KI) im Asset Management aufgezeigt. Dabei werden drei Hauptbereiche fokussiert: Portfolio Management, Trading und Portfolio Risikomanagement. Zunächst ist ein Einsatz im Zuge der Portfoliokonstruktion bei der Renditeschätzung möglich, insbesondere durch die textliche Auswertung zusätzlicher Informationsquellen, etwa Twitter-Nachrichten oder Analystenempfehlungen. Weiterhin ist die Verbesserung der geschätzten Varianz/Kovarianz-Matritzen durch KI möglich. Auch bei der Portfoliooptimierung lassen sich durch KI bessere Ergebnisse erzielen als mittels einer klassischen Markowitz-Optimierung, da komplexe Nebenbedingungen integriert werden können.
Quelle: CFA Institute Research Foundation
Beim Trading kann KI für alle Phasen genutzt werden. In der Pre-Trade-Phase kann KI eingebunden werden, um nicht nur die Performance von Assets, sondern auch die Risiken und Kosten, die mit dem Handeln verbunden sind, abzuschätzen. Dies kann sowohl manuell als auch vollautomatisiert im Zuge von Algo-Trading umgesetzt werden. Während der Handelsausführung können durch KI die Handelskosten verringert werden. In der Post-Trade-Phase erfolgt dann die Auswertung der Trades, um das System weiter zu verbessern. Im Risikomanagement können KI-Anwendungen hauptsächlich zur Steuerung des Markt- und des Kreditrisikos genutzt werden. Beim Marktrisiko hilft KI bei der Einbindung qualitativer Daten, der Validierung und dem Backtesting von Risikomodellen sowie der Herleitung akkuraterer Schätzungen aggregierter oder ökonomischer Variablen. Künstliche Neuronale Netze und Support Vector Machines helfen beim Credit Risk Management.
Quelle: CFA Institute Research Foundation
Die Autoren weisen aber auch darauf hin, dass die große Stärke von KI, Ergebnisse auch bei minimalem theoretischem Wissen bzw. Überwachung zu produzieren, zugleich eine Schwäche darstellt, da auch Ergebnisse produziert werden, wenn es keine gibt, etwa bei qualitativ schlechten Daten. Weiterhin besteht die Gefahr, dass die Ergebnisse nicht geprüft werden können, weil sie für den Menschen zu komplex sind. Auch kann systemisches Versagen auftreten, wenn verschiedene KI miteinander agieren und aufeinander reagieren.
Absolut Research unterstützt institutionelle Investoren bei der Selektion von Asset Managern mit der monatlichen Publikation Absolut|ranking. Insgesamt umfassen die Absolut|rankings mehr als 17.000 institutionelle Publikumsfonds und ETFs, aufgeteilt in 36 Asset-Klassen und Marktsegmente und mehr als 180 Universen.
