Künstliche Intelligenz im Asset Management

Next Big Think Dez. 10, 2020

Die Bewertung von Kapitalmärkten wird immer komplexer. Asset Manager müssen soziale Faktoren wie Nachhaltigkeit und Klimabewusstsein oder das geopolitische Geschehen wie Handelskriege und Regulierungen in der Auswahl der Aktien mitberücksichtigen. Mit Blick auf die Corona-Krise wird auch die Verbreitung von Krankheiten zu einem Faktor, der in Zukunft mehr Beachtung finden wird. Lange vertrat man im Asset Management eine Random-Walk-Theorie, welche aussagt, dass Kapitalmärkte sich nicht prognostizieren lassen. Künstliche Intelligenz (KI) kann aus historischen Kapitalmarktdaten lernen und daraus Marktprognosen erstellen oder aber Trends aus dem Grundrauschen und den Meinungen im Netz vorhersagen – ein Überblick über die Einsatzmöglichkeiten von KI in der Verwaltung von Anlagen.

Vorhersagen treffen mit künstlicher Intelligenz

Wie kann man Geld gewinnbringend anlegen und in die Wirtschaft investieren? Mit dieser Fragestellung beschäftigt sich das Asset Management. Die Auswahl und Gewichtung der Aktien sind das A und O. Wer mehr Informationen hat, um zukünftige Trends und Kurse besser einschätzen zu können, ist klar im Vorteil.

Mit künstlicher Intelligenz, insbesondere durch maschinelles Lernen, können Massen an Daten für die Bewertung nutzbar gemacht werden. Die Big Data-Analyse hat enormes Potenzial für das Asset Management. Mithilfe von Crawlern können Informationen aus zahlreichen Online-Quellen wie Nachrichten, Artikeln, Studien, Blog- und Foreneinträge sowie Facebook-Posts und Tweets gesammelt werden. Eine automatisierte Textanalyse mittels Natural Language Processing ermöglicht, diese Inhalte zu einem Meinungsbild zu formen. Sucht man beispielsweise nach aktuellen Inhalten zu einem Unternehmen, lassen sich aus der Gesamtheit der Texte Stimmungen zur Firma ablesen und Trends erkennen.

Zahlen statt Intuition

Eine weitere Möglichkeit ist es, die künstliche Intelligenz mit historischen Daten zur Preisbewegung, Kurszeitreihen, Unternehmens- oder Bewertungskennziffern zu füttern, sodass sie daraus Muster erkennen kann. Die KI kann erwartete Kurs- oder Volatilitätsentwicklungen ableiten und die Attraktivität der mehr als 45.000 Wertpapiere abschätzen. Die Muster aus den historischen Daten können auf aktuelle Zahlen übertragen und so Prognosen getroffen werden. Verfahren gestützt durch künstliche Intelligenz zur Vorhersage für die Wahrscheinlichkeit zukünftiger Ereignisse werden unter dem Begriff Predicitve Analytics zusammengefasst.

KI-Systeme können außerdem die Echtzeit-Entwicklungen aller Wertpapiere im Blick behalten und den Portfolio-Manager informieren, falls beispielsweise eine seiner Aktie im Kurs fällt.

Aus den Datenanalysen leiten die sogenannten RoboAdvisor Handlungsempfehlungen ab. Sie werden dem Asset Manager an die Hand gegeben, um datenbasiert zu entscheiden und eine Risikoabschätzung vornehmen zu können. Der große Vorteil: Sie entscheiden nicht nach Bauchgefühl, sondern nach Fakten!

Prozessautomatisierung im Asset Management

Die Datenanalyse kann nicht nur in Reportings und Handlungsempfehlungen überführt werden. Das System kann auch automatisiert Depots verwalten: von der Datengewinnung bis zum Handel. Die Manager übernehmen lediglich das Stock Picking und autorisieren eine vorgeschlagene Entscheidung mit einem letzten Klick.

In einigen Systeme kann ein Handelsstil voreingestellt werden. Man legt das Budget, den Anlagenhorizont und die Risikobereitschaft fest und das System wickelt selbstständig das Trading ab. Die KI lernt aus ihren Erfolgen und Misserfolgen und unterbreitet dem Manager Optimierungsvorschläge für die Anlagestrategie.

Ausblick

Die datenanalytischen Fähigkeiten von Machine Learning-Algorithmen werden die Zukunft des Assets Managements maßgeblich mitgestalten. Sie machen die Masse an Daten, die zur Einschätzung der Kapitalmärkte zur Verfügung stehen, nutzbar und sind ein mächtiges Tool für das Anlagenmanagement. Wer in Zukunft keinen Wettbewerbsnachteil haben möchte, sollte sich seiner Möglichkeiten bewusstwerden, Werkzeuge sichten und eigene Daten entsprechend aufbereiten. So können auch überraschende Wendungen, Kursabfälle und Trends frühzeitig erkannt und Risiken gemindert werden.

Wie kann künstliche Intelligenz im Asset Management eingesetzt werden?

  • Trendanalysen durch Sichtung und Auswertung von Online-Inhalten mithilfe von Natural Language Processing
  • Mustererkennung in historischen Daten zu Kapitalmärkten
  • Vorhersagen und Risikoabschätzung mithilfe von Predictive Analytics
  • Handlungsempfehlungen und Handelsstrategie-Optimierung durch Robo Advisor
  • Automatisiertes Trading

Sie wollen auch von den Chancen der Digitalisierung profitieren? fintechcube bietet Ihnen die passende Lösung, um Ihren Absatz zu erhöhen, interne Prozesse zu optimieren und neue Vertriebswege zu generieren – ohne zusätzlichen Personalaufwand. Klingt spannend? Dann kontaktieren Sie uns jederzeit unter contact@fintechcube.com. Florian Oswald und Gregor Puchalla freuen sich auf Ihre Anfrage und beraten Sie gerne.

Beim Newsletter anmelden und keinen Artikel mehr verpassen

Die spannendsten Artikel der Woche jeden Freitag direkt in Ihr Postfach

* Pflichtfeld

Sarah Kolberg

Sarah Kolberg ist Redakteurin bei fintechcube und hat sich in ihrer bisherigen Laufbahn vor allem mit der digitalen Transformation im Public Sector beschäftigt.