Ein technologieorientierter Ansatz bei der Geldanlage ist nicht neu, aber die Werkzeuge der künstlichen Intelligenz eröffnen dem Unternehmen neue Möglichkeiten, sich zu übertreffen.

Laut Jeff Shen, Co-Chief Investment Officer und Co-Leiter von Systematic Active Equity mit Sitz in San Francisco, werden Sprachlernmodelle zu leistungsstarken Werkzeugen.

„Wir sind mitten in einer Revolution“, sagte er. „Big Data, alternative Daten und jetzt auch generative KI verändern alle Branchen, einschließlich der Vermögensverwaltung. Es stehen mehr Daten und bessere Algorithmen zur Erfassung dieser Daten zur Verfügung, und das macht systematische Investitionen spannend.“

Vier Jahrzehnte Quant

Der Ursprung des systematischen Teams liegt im Barclays Global Investors-Geschäft, das BlackRock 2009 übernommen hat. Der Deal kam zustande, als Barclays, schwer getroffen von der globalen Finanzkrise, sein Investmentgeschäft aufgab, um zu überleben – und BlackRock mit damals 2.7 Billionen US-Dollar zum größten Vermögensverwalter der Welt machte .

Die Wurzeln von BGI reichen bis ins Jahr 1985 zurück, als das, was man heute als Fintech bezeichnen könnte: ein im Silicon Valley ansässiges Unternehmen, das Big Data und primitive Formen des maschinellen Lernens nutzte, lange bevor diese Begriffe oder Fähigkeiten in Mode kamen. Es handelt sich um einen Quant-Shop, der datengesteuerte Erkenntnisse nutzt, um viele kleine, schnelle Wetten zu treffen, bei denen eine Aktie gegen eine andere arbitriert wird – Coca-Cola gegen Pepsi.

Das funktioniert auch dann, wenn es der Branche oder dem Markt schlecht geht – Country Garden versus Evergrande. Was zählt, ist, einen winzigen, kurzlebigen Vorteil zu finden, den der Manager schnell und in großem Umfang handeln und dann die Position schließen kann. Multiplizieren Sie solche Geschäfte im gesamten Portfolio mit Hunderten oder Tausenden, und das Unternehmen erstellt eine umfangreiche Aktienstrategie mit geringer Korrelation zu Benchmarks.

Mit mehr Daten, besseren Algorithmen, zunehmender Rechenleistung und der Elektronifizierung der Aktienmärkte hatte sich BGI zu einem hochmodernen Kraftpaket entwickelt und bleibt weiterhin der systematische Arm von BlackRock.

Seitdem hat die ETF-Welt einen Höhenflug erlebt und BlackRock zum weltweit größten Vermögensverwalter gemacht. Im September 2023 meldete das Unternehmen börsengehandelte Fonds im Wert von 3.1 Billionen US-Dollar (ein Privatkundengeschäft) und weitere 2.6 Billionen US-Dollar an Indexfonds (für Institutionen). Die Technologiedienstleistungsgruppe des Unternehmens, einschließlich seines Aladdin-Portfoliorisikosystems, leistet einen weiteren wichtigen Beitrag zum Umsatz.

Der Fortschritt der KI

In diesem Zusammenhang ist das systematische Aktiengeschäft, ein institutionelles Geschäft, mit einem verwalteten Vermögen von 237 Milliarden US-Dollar bescheiden. Shen ist natürlich optimistisch, was seine Abteilung angeht. „Systematische quantitative Investitionen befinden sich jetzt in einem goldenen Zeitalter“, sagte er.

Aber die Begeisterung für generative KI, zu der natürlichsprachliche Modelle wie ChatGPT gehören, verleiht Chens Optimismus eine gewisse Glaubwürdigkeit.

Früher bestand die quantitative Taktik darin, US-amerikanische Large-Cap-Aktien anhand traditioneller Kennzahlen (Kurs-Buchwert-Verhältnis, Kurs-Gewinn-Verhältnis, Dividendenrendite) zu bewerten. Schon damals bauten die größten Quant-Hedgefonds Data Warehouses von erstaunlicher Größe. Dies gab ihnen die Möglichkeit, unabhängig von Markttrends Leistung zu erwirtschaften. Die erfolgreichsten Firmen verdienten viel Geld, angeführt von Renaissance Technologies, das von 1988 bis 2018 das profitabelste (und geheimnisvollste) Investmentunternehmen der Welt war.

Die Schritte zur Umsetzung aktiver Strategien, ob quantitativ oder anderweitig, wurden zunehmend automatisiert. Informationen sind jetzt maschinenlesbar, beispielsweise Maklerberichte, Unternehmensfinanzen, Medienberichte und Regierungsstatistiken. Die Verarbeitung natürlicher Sprache ermöglichte es, unstrukturierte Daten (von einem PDF bis zur Unterschrift eines Anwalts) maschinenlesbar zu machen. Das Internet der Dinge und Satellitenbilder haben die Liste der Dinge erweitert, die gemessen und quantifiziert werden können. Darüber hinaus ermöglichen diese nun Fondsmanagern Zugriff auf Echtzeitansichten.

Shen führt die Bewegung von Lastwagen an. Geodaten-Tagging, WiFi-Beacons und Satellitenbilder ermöglichen es Käufern dieser Daten, LKW-Flotten zu verfolgen. Dadurch erhalten sie einen Überblick über den Verkehr zwischen Lieferanten und Filialen – ein Datenpunkt, der Aufschluss darüber gibt, wie es einem Unternehmen geht. Erstellen Sie genügend davon, und ein Unternehmen kann seinen Handlungsspielraum erweitern, um einen makroökonomischen Überblick über die Wirtschaft zu erhalten.

Geben Sie GenAI ein

Heute fügt die generative KI dem Mix eine Reihe neuer Tools hinzu. Aber es ist nicht nur eine weitere Möglichkeit, Daten zu verarbeiten. Es verändert tatsächlich die Art und Weise, wie Portfoliomanager Informationen verstehen.

Shen nennt als Beispiel einen Nachrichtenbericht über den Rücktritt eines CEO. In den letzten zwanzig Jahren nutzten technisch versierte Unternehmen maschinelles Lernen, um einen „Bag of Words“-Ansatz zu verfolgen. Die Maschine würde einen Text analysieren und nach Ansammlungen von Wörtern oder Phrasen suchen, die mit „gut“ oder „schlecht“, „kaufen“ oder „verkaufen“ korrelieren.

Im Beispiel des CEO, der seinen Job verliert, könnte die Maschine sieben relevante Formulierungen im ersten Absatz identifizieren. Es würde negative Cluster wie „Alarm“, „Verlassen des Unternehmens“, „Ersetzt“, „Frustration“ und „Schwächer“ markieren. Es würde auch zwei optimistische Ausdrücke hervorheben, „überraschen“ und „positiv reagieren“, aber insgesamt würde das Gewicht der Negativität dazu führen, dass der Computer einen Verkauf empfiehlt.

Wenn dieses Unternehmen Teil eines Coke-gegen-Pepsi-Duos wäre, könnte BlackRock zu dem Schluss kommen, dass dies ein Signal dafür sei, bei dem einen Short und beim anderen Long zu gehen, mit Hebelwirkung. Der Handel könnte ein paar Stunden oder ein paar Tage dauern, aber die Geschwindigkeit der Analyse würde dem Team ein anderes Ergebnis bescheren als die Masse der aktiven fundamentalen Akteure, die sich auf eine menschliche Interpretation verlassen.

„Das war der Stand der Technik im Jahr 2007“, sagte Shen. Seitdem sind die Daten und die Aglos besser geworden, aber der „Bag-of-Words“-Ansatz war immer noch die Norm. LLMs wie ChatGPT ändern dies.

LLMs nehmen denselben Absatz und kommen, in Shens Beispiel, zu dem Schluss, dass es sich eher um eine durchweg positive als um eine schlechte Nachricht handelt. Denn es geht nicht nur darum, Text zu übersetzen, sondern ihn im Kontext zu verstehen. Das LLM weiß, dass es zwar oben eine Menge negativer Worte gibt, der Schlüsselsatz aber ganz unten steht: „Wir erwarten, dass die Aktie positiv reagiert.“

„Obwohl es sich hierbei um Neuigkeiten über den Rücktritt eines CEO handelt, versteht das LLM den Kern der Pressemitteilung – sie versteht die Pointe“, sagte Shen.

Daten und Algorithmen

Obwohl dieses Beispiel für BlackRock-Präsentationen vor Journalisten gedacht ist, lässt sich daraus schließen, dass ein systematischer Shop, der LLMs zum Mix hinzufügt, eine bessere Leistung erbringen sollte. Tatsächlich erhält der Portfoliomanager in diesem anschaulichen Beispiel eine völlig andere Antwort.

Das wirkliche Leben ist nicht so schön, aber Shen sagt, LLMs seien die nächste Welle von Tools, die einem Manager einen kleinen Vorteil verschaffen sollen. Firmen wie BlackRock nutzen mittlerweile LLMs für proprietäre Datensätze, um die Modelle auf Finanz- und andere spezifische Arten von Daten zu trainieren. Er sagt, BlackRock sei der Meinung, dass seine proprietären LLMs einen Vorteil gegenüber ChatGPT haben (das allgemein im Internet trainiert wird).

Dies bringt Quants zurück zu den gleichen alten Grundlagen: Wer hat die besten Daten und die besten Mittel, sie zu bereinigen; Und wer hat dann die klügsten Algen? Aber LLMs fügen hier noch einen weiteren Aspekt hinzu, indem sie den Menschen dabei helfen, ihre Urteilsfähigkeit zu verbessern.

Die menschliche Berührung

Obwohl einige Quant-Shops wie RenTec dafür berüchtigt waren, nur ihren Computern zu folgen, erforderten systematische Strategien laut Shen immer noch menschliche Entscheidungen. Dies wird dann deutlich, wenn die historischen Daten unvollständig sind oder nicht vorhanden sind. Beispielsweise war es schwierig, ein Unternehmen während der Corona-Krise zu modellieren, da die letzte globale Pandemie dieser Größenordnung vor einem Jahrhundert stattfand. Es gibt keine verlässlichen Daten aus dem Jahr 1918, die heute verwendet werden könnten. Während Quants also Echtzeitdaten zum Verkehr oder zu Stellenausschreibungen nutzten, um sich einen Überblick zu verschaffen, war immer noch ein Mensch erforderlich, um zu extrapolieren, was dies für die nahe Zukunft bedeutete. Big Data allein war kein verlässlicher Indikator.

Aber mit LLMs können die Menschen der Maschine differenzierte Fragen stellen, die einem maschinellen Lernsystem unmöglich wären. Dadurch wird das LLM zu einem Produktivitätsinstrument, und unterschiedliche Fragen führen zu unterschiedlichen Ergebnissen. Die alten Big-Data-Modelle der 1980er und 1990er Jahre basierten auf der Analyse von Bewertungen und kamen in den 2010er Jahren um Dinge wie die Marktstimmung hinzu. Nun ist der Umfang des Fragens weit gefächert, was die menschliche Kreativität ermöglicht.

„Die Frage kann ein Wettbewerbsvorteil sein“, sagte Shen.

Bedeutet dies angesichts dessen, dass Shen eine glänzende Zukunft darstellt, dass aktive Managementstile allmählich besser abschneiden werden als passive Strategien? Sind systematische Investitionen bereit, einen Teil der Vermögenswerte zurückzugewinnen, die in die ETF-Seite des Hauses geflossen sind?

Shen blieb unverbindlich. Die Gewinner der Branche seien seiner Meinung nach jene Unternehmen, die sich unabhängig vom Produkt für KI einsetzen. Eine sichere Antwort. Daher kann man mit Sicherheit davon ausgehen, dass der neue Wettbewerb, der Technologie einsetzt, Unternehmen Vorteile bringt, die über die Ressourcen verfügen, so viele Daten wie möglich in die Hände zu bekommen.

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
• PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
• PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
• PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
• Quelle: https://www.digfingroup.com/blackrock-llm/