Wallrich AI Libero- und Al Peloton-Fonds: Künstliche Intelligenz in der Vermögensanlage


08.10.20 13:00
Wallrich Asset Management

Frankfurt am Main (www.fondscheck.de) - Schon seit mehreren Generationen beschäftigen sich Wissenschaftler mit künstlicher Intelligenz, so Stefan Wallrich, Vorstand Wallrich Asset Management AG.

So würden erste diesbezügliche Forschungsansätze bis in die 1940er Jahre zurückreichen. Erst mit der zunehmenden digitalen Entwicklung, wie sie in den vergangenen zehn bis 15 Jahren zu beobachten gewesen sei und mit steigender Dynamik nach wie vor zu beobachten sei, würden sich jedoch immer mehr Anwendungsmöglichkeiten für künstliche Intelligenz ergeben. Zum einen seien die erforderlichen Daten heute in einem nie dagewesenen Umfang vorhanden und jederzeit verfügbar und zum anderen seien die Rechenleistungen und Speicherkapazitäten bei rapide abnehmenden Preisen massiv angestiegen, wodurch sich die Möglichkeiten für maschinelles Lernen und Deep-Learning-Algorithmen stark verbessert hätten.

Ganz allgemein bezeichne der Begriff "Künstliche Intelligenz" Lösungsverfahren, bei denen nicht der Mensch den Lösungsweg vorgebe, sondern die Maschine die Lösung selbstständig erarbeite. KI setze also die Fähigkeit voraus, aus Fehlern und Fehleinschätzungen zu lernen. Und genau aus dieser Eigenschaft, gepaart mit den heute erzielbaren Rechenleistungen, ergebe sich ihre Möglichkeit zu gewaltigen Veränderungen, bei denen Prozesse und Technologien oder sogar ganze Geschäftsmodelle infrage gestellt, revolutioniert und vom Markt verdrängt würden. Je nach Umfang der Lernfähigkeit eines Computers werde dabei zwischen dem "Maschinellen Lernen" und dem "Deep Learning" unterschieden. Während das maschinelle Lernen den Computer befähige, Muster in riesigen Datenmengen zu erkennen und seine Algorithmen entsprechend der Erkenntnisse selbstständig anzupassen, würden die Lernverfahren beim Deep-Learning durch den Einsatz künstlicher neuronaler Netze zusätzlich vertieft.

Die Grundidee künstlicher neuronaler Netze (KNN) sei die Simulation des menschlichen Gehirns. Wie das Gehirn, bestünden KNNs aus Neuronen, die über Synapsen miteinander verbunden seien. Stark vereinfacht gesagt würden dem Computer dazu in einer Art Trainingsphase zunächst verschiedene Inputfaktoren, wie z.B. historische Daten und Handlungsoptionen sowie die entsprechenden Ergebnisse vorgegeben. Das neuronale Netz habe nun die Aufgabe, selbstständig einen Algorithmus zu entwickeln, durch den der Input möglichst exakt in die Ausgangsdaten (Output) überführt werden könne. Anfangs werde der künstlich erstellte Lösungsweg noch stark von der letztendlich gesuchten Formel abweichen. An die Neuronen werde ein Fehlsignal gesendet und die Stärke ihrer Verbindungen (Synapsenstärke) werde angepasst. Auf diese Weise könne die Fehleramplitude zwischen den künstlich erstellten und den vorgegebenen Ergebnissen immer weiter minimiert werden. Am Ende sei die Abweichung so gering, dass die Trainingsphase des künstlichen neuronalen Netzes abgeschlossen werden könne.

In einem zweiten Schritt würden aus den unzähligen gefundenen Formeln dann diejenigen ausgewählt, mit denen sich hinsichtlich der gewünschten Ziele in der Vergangenheit die besten Ergebnisse hätten erzielen lassen würden. Dieser Prozess sei niemals abgeschlossen, sondern es könnten mithilfe des antrainierten neuronalen Netzes nun immer neue Formeln und Regelwerke erstellt werden.

Aus verschiedenen Gründen sei die Finanzdienstleistungsbranche für den Einsatz künstlicher Intelligenz besonders geeignet und auch empfänglich. So hätten Veränderungen, beispielsweise auf der Zinsseite sowie im regulativen Bereich, zu einem disruptiven Umbruch innerhalb der Branche geführt. Gleichzeitig habe der Wettbewerbsdruck durch junge innovative Finanztechnologieunternehmen, welche auf die veränderten Kundenerwartungen mit einer höheren Flexibilität als klassische Kreditinstitute reagieren könnten, stark zugenommen. Auf der anderen Seite basiere die Wertschöpfungskette von Kreditinstituten in hohem Maße auf zahlengestützten Prozessen, welche bereits seit vielen Jahren technologisiert ablaufen und eine Vielzahl von Daten zur Verfügung stellen würden. Zudem würden sich gewinnbringende und verlustbehaftete Geschäfte anhand vordefinierter kritischer Erfolgsfaktoren (sog. Key Performance Indicators) differenzieren und entsprechende Zukunftsprognosen erstellen lassen.

Für Banken und andere Finanzdienstleister würden sich durch die Entwicklung technologischer Anwendungen, die auf künstlicher Intelligenz beruhen würden, weitreichende Möglichkeiten ergeben, ihre Effizienz zu steigern, Kosten einzusparen und auch in Zeiten enormen Margendrucks Wachstumspotenziale zu nutzen. Beispiele hierfür würden sich diverse finden lassen. So könnten Privatkunden, die einen Kredit benötigen würden, ihre Dokumente inzwischen über die Webseite der anbietenden Bank hochladen und sich mithilfe des Video-Identifikationsverfahrens ausweisen. Sekundenschnell erfolge dann anschließend die Auswertung der Kreditunterlagen sowie die Zu- oder Absage an den Kunden.

Die prominenteste Form, künstliche Intelligenz in der Finanzbranche einzusetzen, seien aber wohl Robo-Advisors. Unter diesen digitalen Vermögensverwaltern verstehe man intelligente Systeme, die unter Einsatz von Algorithmen ohne menschliche Beteiligung Anlageempfehlungen für ein optimiertes Portfoliomanagement aussprechen bzw. diese auch gleich umsetzen würden. Hierfür beantworte der Anleger am Computer zunächst verschiedene Fragen, die sich unter anderem auf seine finanziellen Verhältnisse, den Anlagehorizont, die Risikoneigung usw. beziehen könnten. Anschließend gebe es Vorschläge zur Depotumsetzung (Self-Service). In der Full-Service-Variante würden die "Robos" nicht nur Anlagevorschläge und vermitteln das Portfolio machen, sie würden das Depot danach auch eigenverantwortlich verwalten.

Der Zugang zu den verschiedenen Assetklassen erfolge dann meist über Investitionen in Exchange Traded Funds. Umschichtungen fänden entweder permanent oder im Rahmen turnusmäßiger Überprüfungen statt, sofern sich die vorgegebene Gewichtung der verschiedenen Anlageklassen verschoben habe. Bei einigen Anbietern würden auch Anpassungen an die Marktlage erfolgen und es kämen zum Teil sogar Risikomanagement-Technologien zum Einsatz. Menschliche Emotionen - und hier liege sicherlich ein Vorteil der Robo-Advisor - würden bei dieser Art der Geldanlage konsequent ausgeblendet.

Bei der Wallrich Asset Management AG komme künstliche Intelligenz in erster Linie bei der Umsetzung der AI (Artificial Intelligence) Prämienstrategien zum Einsatz. Nach intensiven Forschungsarbeiten sei es gelungen, ein quantitatives Regelwerk zu entwickeln, über das die Investitionsstrategie der beiden Wallrich AI Fonds (AI Libero (ISIN DE000A2DTL29 / WKN A2DTL2) und AI Peloton) gesteuert werde.

Das Anlagekonzept der beiden Fonds sei es, an der Terminbörse Eurex Puts auf den EURO STOXX 50 zu verkaufen und dafür Optionsprämien zu vereinnahmen. Auf diese Weise sei es möglich, bei leicht fallenden, seitwärts tendierenden und steigenden Indexwerten jährliche Renditen im mittleren einstelligen Prozentbereich zu generieren. In Abwärtsphasen oder bei einem Crash entstünden zwar Verluste, da die Strike-Levels beim Verkauf der Puts in der Regel aber 6% bis 7% unter dem aktuellen Stand des EURO STOXX 50 lägen, würden diese deutlich geringer als bei einem Direktinvestment in das wichtigste europäische Aktienmarktbarometer ausfallen. Gleichzeitig würden derartige Rücksetzer hervorragende Investitionsgelegenheiten bringen, da turbulente Marktphasen mit steigenden Optionsprämien einhergehen würden.

Im Zuge des einschneidenden Corona-Crashs seien die Regelwerke der AI-Fonds um einen Absicherungsmechanismus erweitert worden, sodass derartige systemischen Risiken zukünftig abgesichert würden. Wallrich Asset Management AG habe seine technische Infrastruktur nutzen können, um neue Formeln zu finden, die in Crash-Phasen bessere Ergebnisse erzielen würden. Dabei offenbare sich ein entscheidender Vorteil der künstlichen Intelligenz: Künstliche Intelligenz könne - genau wie der leibhafte Fondsmanager - aus Fehlern lernen und sich eigenständig optimieren.

Seit Lancierung des AI Libero Ende 2017 sei es sehr vereinfacht gesagt nun die Aufgabe des Computers bzw. des zugrunde liegenden Programms, die Volatilität und die Preise der an der Eurex gehandelten Verkaufsoptionen auf den EURO STOXX 50 mit denen der Vergangenheit zu vergleichen und bestimmte Muster zu identifizieren. Auf die erkannten Muster würden dann die mittels künstlicher Intelligenz optimierten Investitionsregeln angewendet und auf diese Weise die verschiedenen Fondsparameter gesteuert. Dazu würden insbesondere der Investitionsgrad des Fonds sowie die Strike-Preise der verkauften Put-Optionen und ihre Laufzeiten zählen. Dabei würden die jeweils erzielten Anlageergebnisse übrigens wiederum dazu verwendet, das Regelwerk weiter zu optimieren. (08.10.2020/fc/a/f)





hier klicken zur Chartansicht

Aktuelle Kursinformationen mehr >
Kurs Vortag Veränderung Datum/Zeit
85,02 € 86,01 € -0,99 € -1,15% 01.01./01:00
 
ISIN WKN Jahreshoch Jahrestief
DE000A2DTL29 A2DTL2 105,72 € 59,85 €
Werte im Artikel
85,02 minus
-1,15%
88,60 minus
-1,23%