Risk-on-Risk-off-Strategie mit KI-basierter Sentiment-Analyse
Die Prognose von Stress am Aktienmarkt über Volatilitäts- und Credit-Spread-Daten lässt sich durch eine KI-basierte Sentiment-Analyse verbessern, zeigt das Research Paper eines französischen Wissenschaftlerteams. Die Autoren stellen ein Risk-on-Risk-off-Modell für den Aktienmarkt vor, bei dem sie klassische Stressindikatoren mit einer Sentiment-Analyse kombinieren. Bei dieser wertet ChatGPT die täglichen Marktberichte von Bloomberg aus. Wichtig ist, dass es ein Verfahren gibt, um vom kombinierten Index zum rein stressbasierten Indikator zu wechseln. Grund hierfür ist, dass es Phasen gibt, in denen der News-Indikator ineffizient ist.
Illustration of the Method for Switching Between the SI and SI+News Strategies
Quelle: Lefort, Benhamou, Ohana, Saltiel, Guez, Jacquot, 2024
Die Autoren testen den kombinierten Indikator mit der Option, zeitweise zum reinen Stressindex zu wechseln, für sechs Aktienmärkte zwischen 2005 und 2024: S&P 500 und NASDAQ separat sowie einem gleichgewichteten Korb der beiden erstgenannten sowie Nikkei, Euro Stoxx und Emerging Markets. Allein ist der Nutzen zur Prognose von Aktienrenditen wenig aussagekräftig. In Kombination mit den klassischen Stressindikatoren verbessert der Indikator die Performance eines Risk-on-Risk-off-Ansatzes gegenüber Long Only und anderen Strategien, die nur auf Stressindizes oder News basieren. Der kombinierte Ansatz erreicht in allen untersuchten Märkten die höchste Sharpe Ratio und Calmar Ratio. Gleichzeitig sinken die Maximalverluste.
Comparative Analysis of Investment Strategies for the S&P 500
Quelle: Lefort, Benhamou, Ohana, Saltiel, Guez, Jacquot, 2024
Absolut Research unterstützt institutionelle Investoren bei der Bewertung eigener und der Selektion neuer Asset Managern mit der monatlich erscheinenden Publikationsreihe Absolut|ranking und den 360-Grad-Analysen (Peer-/ Benchmark-/ Factor-/ Asset-Flow-Analysen). Insgesamt analysiert Absolut|ranking mehr als 16.000 aktive und passive Strategien von 2.000 Asset Managern, aufgeteilt auf 36 Asset-Klassen und Marktsegmente sowie mehr als 200 Universen. Individuelle Mandate und Spezialfonds können ebenfalls untersucht werden.
