Kernpunkte des Gesprächs:
-
Renaissance der Merger-Arbitrage-Strategie
Nach schwierigen Jahren mit politischen Risiken und schwachem Übernahmeumfeld sieht Wenz die Strategie wieder im Aufschwung. Gesunkene Zinsen und eine zunehmende Zahl an M&A-Transaktionen – vor allem in den USA – schaffen attraktive Rahmenbedingungen für Anleger. -
Systematischer Ansatz mit Machine Learning
Das Team von First Private klassifiziert Übernahmen mithilfe eines Machine-Learning-Modells, das Deals nach Erfolgswahrscheinlichkeit bewertet. Eingespeist werden dealspezifische Daten, Fundamentaldaten der Unternehmen sowie makroökonomische Variablen wie Marktanteile oder regulatorische Hürden. -
Daten wie die Aufsichtsbehörden
Wenz betont, dass das System auch Daten nutzt, die Kartellbehörden zur Beurteilung von Zusammenschlüssen heranziehen. So lassen sich objektive Wahrscheinlichkeiten ableiten, ob eine Transaktion genehmigt wird – und problematische Deals frühzeitig ausschließen. -
Künstliche Intelligenz und geopolitische Risiken
Zur Einbeziehung politischer Risiken setzt First Private auf moderne Sprachmodelle (LLMs), die globale Nachrichten und Dokumente auswerten. Diese erfassen Stimmungen und geopolitische Entwicklungen, die mit höherer Gewichtung in die Algorithmen einfließen. -
Institutionelles Interesse und Diversifikation
Mit mehr als 60 laufenden Deals im Portfolio bietet die Strategie breite Diversifikation. Institutionelle Investoren schätzen laut Wenz die datenbasierte, objektive Herangehensweise als unkorrelierten Renditebaustein in klassischen Multi-Asset-Portfolios.
