Künstliche Intelligenz kann einen Großteil der Anlageentscheidungen aktiver Fondsmanager antizipieren. Das zeigt eine Studie der Harvard Business School. Ein neuronales Netzwerk sagte 71 Prozent der Handelsentscheidungen korrekt voraus – ob ein Manager eine Aktie kauft, verkauft oder hält.
Die Forscher um Harvard-Professor Lauren Cohen trainierten das Modell mit Daten aus den Jahren 1990 bis 2023. Es berücksichtigte Fondsgröße, Mittelzuflüsse, Aktienmerkmale und wirtschaftliche Rahmenbedingungen. Auf dieser Basis konnte die KI die Mehrheit der Portfolioanpassungen vorhersagen.
Unvorhersagbare Trades schlagen den Markt deutlich
Der wichtigste Befund der Studie: Die 29 Prozent der Trades, die das System nicht vorhersagen konnte, erzielten deutlich bessere Renditen. Wer gezielt auf Aktien mit unvorhersagbaren Managern gesetzt hätte, erzielte im Schnitt 4,24 Prozentpunkte mehr Rendite pro Jahr als mit dem umgekehrten Ansatz.
Je unvorhersagbarer das Verhalten eines Managers, desto besser die Wertentwicklung. Messbare Mehrrendite entsteht demnach dort, wo Manager von erkennbaren Mustern abweichen.
Mid-Cap-Blend-Fonds am leichtesten durchschaubar
Nicht alle Fonds sind gleich berechenbar. Am höchsten lag die Trefferquote bei Mid-Cap-Blend-Fonds: 75 Prozent. Auch die Top-Positionen im Portfolio sind leichter vorhersagbar als kleinere Positionen.
Bei den Aktien selbst zeigten sich ebenfalls Muster: Value-Titel und Unternehmen mit hohem freien Cashflow, hoher Ausschüttungsquote und niedriger Kapitalumschlagshäufigkeit sind für die KI leichter zu prognostizieren. Schwerer tut sich das Modell bei Growth-Aktien und Firmen mit hohen Forschungsausgaben oder Gewinnüberraschungen.
Welche Manager schwerer zu durchschauen sind
Die Studie identifiziert mehrere Faktoren, die Manager weniger vorhersagbar machen:
- Größere Fonds mit höheren Gebühren und größeren Teams
- Höhere Eigenbeteiligung des Managers am Fonds
- Mehr Wettbewerb in der Fondskategorie oder innerhalb der Fondsgesellschaft
Umgekehrt sind Manager mit längerer Amtszeit leichter vorhersagbar. Gleiches gilt für Manager, die viele Fonds oder mehrere Strategien gleichzeitig betreuen. Vermutlich führt die Mehrfachbelastung zu stärker standardisierten Entscheidungen.
KI enttarnt routinemäßige Handelsentscheidungen
Die Autoren liefern auch einen theoretischen Rahmen für ihre Befunde. Vor dem Einsatz von KI konnten schwächere Manager sich durch Routine-Trades tarnen. Sie schwammen im Strom der vorhersagbaren Entscheidungen mit.
Die KI macht sichtbar, welche Entscheidungen einem Muster folgen – und welche nicht. Nur nicht-routinemäßige Arbeit schafft Mehrwert. Die Studie wirft unter anderem die Frage auf: Rechtfertigen aktive Manager ihre Gebühren? Wer vorhersagbar handelt, liefert wenig Mehrwert gegenüber einem Algorithmus. Wer jedoch abseits der Muster agiert, erzielt messbar bessere Ergebnisse. Für Fondsselektoren könnte die Vorhersagbarkeit eines Managers künftig ein neues Auswahlkriterium werden – je unvorhersagbarer, desto besser.