Erweiterte Funktionen

Big Data im Asset Management - Warum jetzt?


06.07.17 11:24
Goldman Sachs Asset Management

Frankfurt (www.fondscheck.de) - Die geburtenstarken Jahrgänge erreichen das Rentenalter und verstärken damit die demografischen Probleme in weiten Teilen der westlichen Welt, so Javier Rodriguez-Alarcon, Head of EMEA Client Portfolio Management innerhalb der Quantitative Investment Strategies (QIS) Gruppe bei Goldman Sachs Asset Management.

Um Produktivität und nachhaltiges Wirtschaftswachstum dennoch langfristig aufrechtzuerhalten, würden Technologien immer wichtiger. Weltweit würden immer mehr Menschen auf digitale Technologien im Alltag zurückgreifen und so automatisch immer größere Datenmengen erzeugen. Allein in den letzten zwei Jahren seien über 90 Prozent aller jemals generierten Daten erzeugt worden und dieser Trend dürfte sich weiter beschleunigen. Bis 2020 werde das weltweite Datenvolumen das 128Fache des im Jahr 2013 bestehenden Volumens erreichen.

Dieses exponenzielle Datenwachstum berge enorme Herausforderungen, eröffne aber gleichzeitig große Chancen. Ein Großteil der Daten habe wenig Informationsgehalt und diene bestenfalls der Unterhaltung. Das treffe unter anderem auf diverse Katzen-Videos auf YouTube zu, die für Anlageentscheidungen kaum interessant sein dürften. Doch genauso gebe es unzählige Informationen, die für Anleger höchst relevant seien. Sie würden frühe und präzise Signale liefern - etwa über die Wirtschaftsaktivität oder menschliche Präferenzen und Verhaltensmuster. Für Investoren würden sich so neue Möglichkeiten eröffnen: Um z.B. die künftige Entwicklung eines Unternehmens abzuschätzen, könne nunmehr neben einer menschlichen auch eine algorithmenbasierte Analyse angewandt werden. Wir haben das Zeitalter von "Big Data" erreicht, so die Experten von Goldman Sachs Asset Management. Anleger sollten die Chance ergreifen, bei der Weiterentwicklung von Big Data zu "Smart Data" eine führende Rolle einzunehmen.

Entscheidend für den Erfolg datenorientierter Anleger sei es, die Masse an unstrukturierten Daten so zu verarbeiten, dass daraus mehrwertige Erkenntnisse gewonnen werden könnten. Es sei wichtig, dass Anlagestrategien möglichst alle verfügbaren und relevanten Informationen berücksichtigen würden. Denn letztendlich gehe es beim Investieren immer darum, einen Informations- und Analysevorsprung zu nutzen. Das aktive Vermögensmanagement ziele darauf ab, Investmentchancen aufzudecken, bevor der Markt sie erkenne und einpreise. Dabei würden datengetriebene Modelle Anlegern einen wesentlichen Vorsprung verschaffen und könnten ihren Erfolg maßgeblich beeinflussen.

Ein Beispiel für diese moderne Datenverarbeitung sei die maschinelle Verarbeitung natürlicher Sprache, kurz NLP (natural language processing). NLP nutze Computer, um große Textmengen aus diversen Quellen in mehrere Sprachen zu übersetzen und darin enthaltene unstrukturierte bzw. nicht leicht quantifizierbare Informationen zu analysieren. Das könne Unternehmen einen wesentlichen Wettbewerbsvorteil verschaffen, z.B. dadurch, dass Entscheidungsträger in die Lage versetzt würden, große Datenmengen schneller, effektiver und mit weniger Ressourcenaufwand auszuwerten. Die Anwendung von NLP könne sich zudem förderlich auf die Beziehungen zwischen Unternehmen auswirken, indem Informationsasymmetrien aufgebrochen würden. Nicht zuletzt für kleineren Unternehmen oder Firmen aus seltener berücksichtigten Schwellenländern dürfte diese Technologie interessant sein.

Auch das Verhalten von Webseitennutzern oder Kreditkartentransaktionen würden große Datensätze erzeugen, die im Anlageprozess einen Informationsvorsprung liefern könnten. Informationen über Kreditkartentransaktionen würden möglicherweise wichtige Erkenntnisse über das künftige Umsatz- und Gewinnwachstum von Unternehmen bieten. Besonders interessant könnten solche Indikationen im Konsumbereich und solchen Sektoren sein, in denen häufig Kreditkartennetzwerke für Transaktionen genutzt würden. So hätten zum Beispiel die Kreditkartenprognosen für die US-Baumarktbranche zuletzt eine Korrelation von 70 Prozent zum tatsächlichen Umsatzwachstum gezeigt. Die Analyse von Kreditkartentransaktionen werde zunehmend an Bedeutung gewinnen, da der Anteil der mit Karten getätigten Zahlungen steigen würden und die von großen Kreditkartenabwicklern bereitgestellten Daten immer umfangreicher und genauer würden.

Neben dem Anlageprozess gebe es im Asset Management noch viele andere Bereiche, in denen bereits künstliche Intelligenz oder maschinelle Lerntechnologien angewandt würden. In Compliance-Abteilungen etwa könnten diese Technologien bei der Automatisierung von Prozessen helfen. Dies könnte sich positiv auf die Profitabilität auswirken. Abgesehen von der Kostenersparnis würde das operationelle Risiko sinken, da maschinelle Lerntechnologien für komplexe Aufgaben effektiver eingesetzt werden könnten. So würden sich Verstöße wie etwa Marktmanipulationen durch nicht genehmigte Handelsaktivitäten schneller aufdecken lassen.

Nicht nur im Asset Management gehe die heutige Informationsflut weit über das hinaus, was ein einzelner Mensch verarbeiten könne. Um verwertbare Erkenntnisse zu gewinnen, würden Portfoliomanager moderne Analyse- und Verarbeitungstechnologien nutzen. Da die Menge an unstrukturierten Daten exponenziell anwächst, sind die Experten von Goldman Sachs Asset Management der festen Überzeugung, dass datenbasierte Technologien allein nicht zu besseren Anlageentscheidungen führen können. Vielmehr sei es das menschliche Urteilsvermögen gepaart mit diesen Technologien, das die besten Ergebnisse hervorbringen werde. Im Mittelpunkt dieses Prozesses stünden nichtsdestotrotz die Daten selbst. Unternehmen würden nicht umhinkommen, ihre Datenqualitätsstandards stetig zu verbessern. Denn nur, wenn aussagekräftige Daten vorlägen, könnten neue Analysetechniken einen Mehrwert für Anleger schaffen. Demgegenüber würden ungenaue Daten die Vorteile des maschinellen Lernens schnell zunichte machen.

Künstliche Intelligenz könne menschliche Intelligenz in Entscheidungsprozessen also nicht ersetzen. Der menschliche Verstand werde auch in Zukunft weiterhin notwendig sein, um in technische Prozesse einzugreifen. Außerdem dürften sich menschliche Eigenschaften wie Urteilsvermögen und Erfahrung kaum durch Technologien ersetzen lassen. Informationen würden vor allem unter den Augen erfahrener Portfoliomanager ihr volles Potenzial entfalten. Damit würden sowohl Mensch als auch Maschine den Wandel der Finanzdienstleistungsbranche weiterhin entscheidend mitprägen. (06.07.2017/fc/a/m)