Künstliche Intelligenz (KI) ist die bestimmende Technologie unserer Zeit, die unsere Arbeitsweise, unseren Konsum und unsere Investitionen rasant verändert.
Aufgrund seiner Fähigkeit, große Datenmengen effizient und schnell zu suchen, zu analysieren und zu interpretieren, wurde es für den Handel und das Abrufen von Anlageideen eingesetzt. In den meisten fortgeschrittenen Märkten gewinnt der KI-Handel an Boden und wird zur Entwicklung von Handelsstrategien verwendet.
„Asset Management wird weltweit zunehmend durch künstliche Intelligenz und maschinelles Lernen (ML) definiert. Von Computern betriebene Fonds machen mehr als 60 Prozent der US-Handelsaktivitäten aus “, sagte Kanika Agarrwal, CIO von Upside AI, die auf maschinellem Lernen basiert.
KI ist unvoreingenommen, emotionslos und hat keinen bestimmten Anlagestil. Ein guter Algorithmus ist dynamisch und kann Handelsstrategien unter Berücksichtigung von Markttrends testen und verfeinern. Es kann das tun, was Analysten tun - Informationen und Daten sammeln und auswerten, um Vorschläge zu machen.
"Es kann durchweg Alpha finden, was für menschliche Manager schwierig ist, die in einigen Marktzyklen erfolgreich sind, in anderen jedoch nicht", sagte Agarrwal.
„Die weltweiten Handelsaktivitäten (kurzfristig, hochfrequent, technisch usw.) werden derzeit größtenteils von der Technologie betrieben. Selbst passive ETFs haben aktive Manager in AUM in den USA übertroffen “, sagte Agarrwal.
Sie ist der Ansicht, dass der nächste Schritt für die KI eine grundlegende Investition sein wird.
„Wir glauben, dass die nächsten großen Investoren wie Warren Buffett und Charlie Munger AI sein werden. Benjamin Graham und Warren Buffett haben fest daran geglaubt, nach systematischen Regeln zu investieren und sich von Emotionen fernzuhalten. Der beste Weg, Regeln emotionslos zu befolgen, ist der Einsatz von KI und Technologie “, sagte Agarrwal.
Während sich die Industrieländer schnell an diese technologische Revolution zu gewöhnen scheinen, wird es einige Zeit dauern, bis aufstrebende Märkte wie Indien ihre Dominanz beim Investieren erkennen.
„In Indien werden Investitionen zwar größtenteils von Menschen getrieben, aber ich glaube, dass wir in den nächsten zehn Jahren strukturelle Veränderungen erleben werden, wenn unsere Märkte reifen und Alpha schwieriger zu finden ist. Wir werden zunehmend mehr Produkte wie das unsere sehen, die versuchen, unterschiedliche Ansätze für Investitionen in die Nutzung von KI zu finden “, sagte Agarrwal.
Die größte Stärke von AI ist die absolute Abhängigkeit von Daten und die Verwendung von Algorithmen, um den Markt und seine Zyklen zu verstehen. Dies ist der Grund, warum KI weltweit in der Investment- und Vermögensverwaltungsbranche eingesetzt wird.
Mihir K Malani, Gründer des FinTech-Startups, Nerve Solutions, wies darauf hin, dass das letztendliche Ziel immer darin besteht, die Rendite zu verbessern. Der Prozess umfasst normalerweise mehrere Schritte wie die Auswahl der richtigen Aktien basierend auf historischen Trends, die Entscheidung über die Investitionsgröße, die Identifizierung und Vorhersage von Trends. etc.
"Ein häufig angewandter Ansatz besteht darin, ML-Modelle zu verwenden, um Kunden anhand ihres Profils, ihrer Anlagepräferenzen und ihres Risikoappetits zu kategorisieren und das Modell zu den für sie am besten geeigneten Anlagestrategien zu führen", sagte Malani.
Einer der größten Vorteile eines gut entwickelten KI-Modells für Investitionen ist seine Fähigkeit, Fallstricke zu vermeiden und Drawdowns erfolgreich vorherzusagen, sagte er.
„Ein guter Weg, um die Effizienz eines Modells zu messen, ist die Anzahl der von ihm erzeugten Fehlalarme. Je niedriger die Zahl, desto besser und vertrauenswürdiger ist das Modell “, fügte Malani hinzu.
Die Herausforderungen
Auch wenn KI eine unvermeidliche Kraft beim Investieren zu sein scheint, stehen Herausforderungen bevor.
Während es einfach ist, auf große Mengen strukturierter Finanzdaten zuzugreifen, um Modelle für maschinelles Lernen zu erstellen, sind mit der Entwicklung eines funktionierenden Modells verschiedene Herausforderungen verbunden.
Agarrwal von Upside AI ist der Ansicht, dass die Herausforderungen der KI branchenübergreifend zutreffen, einschließlich der Qualität der Investitionsdaten, der Qualität des erstellten Modells, des Mangels an Talenten für den Bau dieser Maschinen in Indien, der Lösung qualitativer Investitionsprobleme wie Corporate Governance und einer breiteren Akzeptanz der Technologie.
Die Unterscheidung zwischen echten Mustern und Zufällen gehört zu den größten Hürden, denen man bei der Anwendung von KI auf Investitionen begegnen kann.
„Manchmal geben bloße Zufälle eine Illusion von Korrelation. Die Unfähigkeit, diese zu identifizieren, könnte zu äußerst ungenauen Modellen führen “, sagte Malani.
Die richtigen Funktionen zu identifizieren und dann das Modell zu entwerfen, ist eine Herausforderung.
„Dies ist eine häufige Herausforderung bei der Entwicklung von KI-Modellen für derivative Instrumente. Angesichts einer Reihe von Faktoren, die bei der Preisgestaltung eines Derivatkontrakts eine Rolle spielen, könnte das Fehlen der richtigen Merkmale zu scheinbar korrekten, aber fehlerhaften Modellen führen “, sagte Malani.
Außerdem ist die Einbettung geopolitischer Faktoren in ein Modell eine Herausforderung.
„Während die Einbeziehung von Preis- und Volumeninformationen in ein KI-Modell ziemlich prozedural ist, ist es äußerst schwierig, Faktoren zu berücksichtigen, die außerhalb der Märkte liegen, aber einen tiefgreifenden Einfluss auf die Marktbewegungen haben. Solche Faktoren sind oft der Grund für das Versagen von Modellen “, sagte Malani.
Trotz dieser Herausforderungen ist KI die Zukunft des Investierens, die Investoren und Managern gleichermaßen viele Möglichkeiten eröffnet.
