Forschung und Praxis Wie sich die KI-Entwicklung für die Finanzbranche beschleunigt

Seite 2 / 4

Ja, der Vergleich hinkt – alleine schon, weil die Fonds-Anzahl im AI-Outperformance Index viel geringer ist als im S&P-Universum. Ein positives Leistungsindiz sind die 52 Prozent dennoch. Erst recht, da KI im Asset Management noch keine jahrzehntelange Weiterentwicklung wie das aktive Fondsmanagement hinter sich hat.

Wegweisende KI-Forschung aus deutschen Universitäten

Um das KI-Potenzial jedoch in seinem vollen Umfang erfassen zu können, muss die Betrachtung über die Outperformance-Analysen hinausgehen. Dazu trägt Plexus mit einer anderen Säule seiner KI-Denkfabrik bei: mit Wissenstransfer. Ein Beispiel dafür ist, dass Plexus die Forschung über KI im Asset Management fördert – mit dem mit 10.000 Euro dotierten „Förderpreis für Künstliche Intelligenz in der Finanzwirtschaft“.


Die Jury ist sich einig darüber, dass KI und Machine Learning im Asset Management angekommen sind, aber noch in den „Kinderschuhen“ stecken. Nun werden die Entwicklungsschritte größer und schneller.

Unkonkrete Manager-Antworten auf Analystenfragen kosten Unternehmenswert

Die mit dem Förderpreis ausgezeichnete Dissertation „Essays on Information Transmission & Machine Learning in Finance” (Sasan Mansouri und Co-Autoren, 273 Seiten, in englischer Sprache) hat fünf Kernteile:

  • Teil 1: „How to talk down your stock performance”
  • Teil 2: „Let me get back to you – A machine learning approach to measuring non-answers“
  • Teil 3: „Does firm's silence drive media's attention away?”
  • Teil 4: „ICO analysts”
  • Teil 5: „Financing sustainable entrepreneurship”

Alle fünf Teile sind für Unternehmensleitungen, Investoren, Finanzanalysten und Medienberichterstatter gleichermaßen relevant, denn diese Personengruppen sind Gegenstand dieser KI- und Machine Learning-basierten Forschungsarbeit. Wir gehen hier lediglich auf die ersten drei Teile ein, um diesen Gastbeitrag relativ kompakt zu halten. Interessierte können die gesamte Forschungsarbeit hier herunterladen.

Teil 1 („How to talk down your stock performance”) beschreibt, wie Informationsaustausch – insbesondere finanzjargonlastige, unpräzise, faktenverschleiernde Antworten von Unternehmensmanagern auf Investoren- und Analystenfragen – mittels algorithmischer Sprachverarbeitung messbar gemacht wurden. Dafür wurde die Verbalkommunikation in Analystenkonferenzen anlässlich der Quartalszahlen etlicher Unternehmen untersucht.

Die Kommunikationsmessungen belegen unter anderem, dass ausweichende Antworten („Non-Answers“) von Managern zu signifikanter Anlegerverunsicherung und relativ schlechten Wertentwicklungen der Aktien ihrer Unternehmen nach den Quartalskonferenzen beitragen können. Und sie zeigen, dass Finanzanalysten ihre Earnings-per-Share-Prognosen weniger wahrscheinlich anheben, wenn Unternehmensvorstände in Quartalskonferenzen viele Non-Answers gegeben haben.