Klassische und alternative Daten
Echte KI-Fonds-Anbieter als Spiegel der KI-Qualität im Finanzsektor können im ersten Schritt in zwei Gruppen unterteilt werden:
- in bereits etablierte Asset Manager, die ihre herkömmlichen Konzepte und Strategien um KI-Unterstützung erweitern,
- und in Finanzmarktneulinge (Newcomer), die vor allem aus der KI-Forschung und der Datenwissenschaft kommen.
Unabhängig davon unterteilen wir alle Anbieter anhand der verwendeten Daten:
- in jene, die weiterhin vor allem traditionelle Kennziffern wie volkswirtschaftliche und Börsen-Indikatoren (Kursdaten, Handelsvolumina, Unternehmenskennzahlen et cetera) auswerten.
- Und in Asset Manager, die alternative Daten verwenden, die entweder unstrukturiert vorliegen (Standortdaten von Mobiltelefonen, Nachrichten in sozialen und klassischen Medien, Satelliteninformationen et cetera) und mit klassischen Methoden deshalb nur schwer zu verarbeiten sind, und/oder strukturiert vorliegen, aber ebenfalls nicht direkt mit der Finanzanalyse in Verbindung stehen (Verkehrsstatistiken, Wetterdaten, Wahlergebnisse, Werbedaten, Suchmaschinenanfragen et cetera).
Ein Teil der KI-Fonds im AI Outperformance Index nutzt klassische systematische Finanzdaten. Diese eignen sich besonders für quantitative Ansätze, die mit KI weiterentwickelt wurden. Der Vorteil ist hier, dass es meist lange Zahlenhistorien gibt, mit denen Machine-Learning-Konzepte „trainiert“ werden können. Einige KI-Fonds kann man als „Quant 2.0“ bezeichnen, da hier die Abstammung deutlich zu erkennen ist. Bei den alternativen Daten sind die Historie und die Qualität zurzeit oft noch weniger befriedigend. Hier sind allerdings deutliche Fortschritte zu erwarten, denn immer mehr Asset Manager erfassen alternative Daten mit immer besseren Tools.
Gestalterische Freiheit allein ist kein Erfolgsgarant
Die Newcomer unter den KI-Fonds-Anbietern unterscheiden sich von den klassischen Asset Managern vor allem darin, dass sie eine größere Bandbreite an KI-Lösungen einsetzen können. Sie sind darin freier als etablierte Asset Manager – auch weil sie keine historisch gewachsenen Unternehmens-, Investmentprozess- und Beschäftigtenstrukturen berücksichtigen müssen. Bislang erkennen wir allerdings nicht, dass die größere Gestaltungsfreiheit ein genereller Wettbewerbsvorteil für die Newcomer ist.
Einige Newcomer haben in den vergangenen Monaten sogar aufgegeben. So hat sich ein Fondsmanager im Herbst 2019 entschieden, sein Produkt einzustellen, nachdem die Fondsperformance die Erwartungen aus der Testphase verfehlte. Ein anderes Team hat Teile der Rechte an ihren erfolgreichen Modellen an einen großen, internationalen Hedgefonds verkauft und folglich das eigene Produkt liquidiert.