FSB: Risiken durch künstliche Intelligenz und Machine Learning
Das Financial Stabilty Board (FSB) befasst sich in einer Analyse mit der Bedeutung von künstlicher Intelligenz (KI) und Machine Learning für Finanzdienstleistungen und zieht Schlussfolgerungen für die Marktstabilität. Finanzinstitute verwenden KI und maschinelles Lernens bislang vor allem um Kreditqualitäten und Versicherungsverträge zu bewerten sowie in der Automatisierung von Kundeninteraktionen. Weitere Anwendungsbereiche sind die Kalibrierung von Backtesting-Modellen und die Schätzung von Marktauswirkungen beim Handeln mit großen Positionen. Hedgefonds, Broker-Dealer und andere Unternehmen nutzen KI und maschinelles Lernen, um Signale für höhere und unkorrelierte Erträge zu finden und die Handelsausführung zu optimieren.
Quelle: FSB
Als positiv bewertet das Board die effizientere Verarbeitung von Informationen, die insgesamt zu einem effizienteren Finanzsystem beitragen können. Auch in Hinblick auf Regulierung und Aufsicht kann die zunehmende Nutzung von KI und Machine Learning dazu beitragen, die Einhaltung von Vorschriften zu verbessern und die Effizienz der Überwachung zu erhöhen.
Quelle: FSB
Gleichzeitig geben die Autoren zu bedenken, dass Netzwerkeffekte und die enorme Skalierbarkeit der Technologien Abhängigkeiten von Drittanbietern entstehen lassen können. Außerhalb des Regulierungsbereichs könnten so neue systemrelevante Akteure entstehen. Ebenfalls warnt das FSB vor der fehlenden Interpretierbarkeit und Überprüfbarkeit von KI- und maschinellen Lernmethoden, die sich zu einem Risiko auf Makroebene entwickeln könnten. Als problematisch wird die weit verbreitete Verwendung von relativ undurchsichtigen Modellen bezeichnet. Auch wird betont, die Einhaltung relevanter Datenschutzprotokolle, Verhaltensrisiken und Cybersicherheit angemessen zu sicherzustellen. Darüber hinaus ist das Testen und Trainieren von Tools mit "neutralen" Daten und Feedback-Mechanismen von zentraler Bedeutung, um sicherzustellen, dass Anwendungen das tun, was sie tun sollen.
In der Ausgabe 1|2018 des Absolut|report hat Prof. Dr. Dirk Söhnholz 50 Fintechs identifiziert, die für deutsche institutionelle Kapitalanleger interessant sein könnten. Diese können vor allem zu Kostensenkungen beim Datenbezug und Research führen, aber auch den Zugang zu illiquiden Kapitalanlagen verbessern.
Absolut Research unterstützt institutionelle Investoren bei der Selektion von Asset Managern mit der monatlich erscheinenden Publikation Absolut|ranking. Insgesamt umfassen die Absolut|rankings mehr als 13.000 institutionelle Publikumsfonds und ETFs, aufgeteilt in 27 Asset-Klassen und Marktsegmente und mehr als 110 Universen.
