In künstliche Intelligenz (KI) investieren vs. KI investieren

„KI wird höchstwahrscheinlich zum Ende der Welt führen, aber in der Zwischenzeit wird es großartige Unternehmen geben.“ – Sam Altman

Wenn Investoren nach einem großartigen KI-Unternehmen suchen, das auch die Welt untergehen lässt, sollten sie Alphabet oder Amazon vergessen. Ich würde mein Geld in die japanische Firma Cyberdyne Inc. stecken. Warum? Weil es den gleichen Namen trägt wie das Unternehmen, das die Skynet AI in den Terminator-Filmen erstellt hat. Skynet erfüllte Altmans Prophezeiung, bevor er es schaffte, wenn auch auf der Leinwand, und löschte die menschliche Zivilisation aus.

Der echte Cyberdyne beschäftigt sich natürlich auch mit der Herstellung von Robotern. Die Aktie hat in den letzten Jahren keine großen Renditen erzielt, aber wenn das Unternehmen so etwas wie sein fiktiver Namensvetter ist, wird sich dies sicherlich ändern, wenn seine Roboter auf Terminator-Niveau vorrücken und die Arbeit an Skynet beginnt.

Anleger, die die Vorteile von AI nutzen möchten, ohne das Risiko einzugehen, auf ein einzelnes Unternehmen zu setzen, auch auf eines mit einem verführerischen Namen, können aus einer Reihe von Exchange Traded Funds (ETFs) auswählen, die ein diversifiziertes Engagement in AI, Automatisierung und Robotikunternehmen.

Wenn Investoren jedoch an dieser sogenannten vierten industriellen Revolution teilnehmen möchten, können sie ganz auf AI-fokussierte Unternehmen verzichten und AIs ihr Geld direkt verwalten lassen.

Wie gut haben sich AI-fokussierte Unternehmen und AI-verwaltete ETFs bei all der Begeisterung für KI entwickelt?

Benchmarking von AI-fokussierten Unternehmen

Trotz des Rummels um selbstfahrende Autos, das Internet der Dinge, die virtuelle Realität, die Robotik und die KI haben Investoren nicht viel Kapital speziell für diese Themen bereitgestellt. AI und verwandte ETFs in den USA verwalten ein Vermögen von ca. 6 Mrd. USD (AUM), verglichen mit 3 Billionen USD in US-Aktien-ETFs.

Ein Grund für die mangelnde Nachfrage könnte eine schlechte Leistung sein. Ein gleichgewichteter Index solcher thematischer ETFs hätte die NASDAQ und einen globalen Technologieindex seit 2013 deutlich hinter sich gelassen. Und das vor Gebühren: Diese ETFs erheben eine durchschnittliche jährliche Verwaltungsgebühr von 78 Basispunkten (bps) im Vergleich zu 53 bps für alle Aktien-ETFs.

In die Zukunft investieren: KI-fokussierte Unternehmen

Quellen: ETF.com, FactorResearch

AI Investieren

Aber vielleicht sollten Anleger überhaupt nicht auf AI-fokussierte Fonds abzielen. Warum nicht einfach die KI unser Geld direkt verwalten lassen?

Leider gibt es nur eine Handvoll ETFs, bei denen Anlageentscheidungen von AI getroffen werden. Der Gesamt-AUM dieser Kohorte? Etwas mehr als 100 Millionen Dollar. Mit einer durchschnittlichen jährlichen Verwaltungsgebühr von 0,77% sind diese AIs im Vergleich zu menschlichen Fondsmanagern überraschend günstig. Wir können nur hoffen, dass sie es nicht bemerken.

Aber selbst mit diesen niedrigen Gebühren haben Anleger nicht mehr Geduld mit AIs als mit ihren menschlichen Konkurrenten und entlassen sie genauso leicht. BUZ war der erste ETF, der AI verwendete, um Stimmungsdaten zu US-Aktien zu sammeln. Es wurde Anfang dieses Jahres, nur drei Jahre nach seiner Einführung, wegen erfolglosen Vermögenswachstums geschlossen.

In den letzten Jahren wurden neue KI-gestützte ETFs aufgelegt, darunter einer, der die berühmte Watson-KI von IBM verwendet. Die meisten davon versuchen, US-Large-Cap-Aktien zu schlagen. Es ist jedoch schwierig, Beweise dafür zu finden, dass dies gelingt. Es stellt sich heraus, dass es für eine künstliche Intelligenz genauso schwierig sein kann, den Markt zu schlagen wie für eine menschliche Intelligenz.

AI-Powered ETFs an der US-Börse

Quelle:
FactorResearch

Beim Benchmarking mit dem S & P 500 zeigten drei von vier ETFs mit KI-Leistung eine Underperformance.

Obwohl zwei dieser ETFs in diesem Jahr aufgelegt wurden und eine kurze Handelsgeschichte haben, kann man davon ausgehen, dass AIs wie ihre menschlichen Kollegen einen vollständigen Marktzyklus benötigen würden, um eine Outperformance zu erzielen.

Benchmarking von AI-Investitionsfähigkeiten: CAGRs

Quelle: FactorResearch

AI-Powered Hedge Funds

Möglicherweise besteht das Problem bei ETFs mit KI-Antrieb darin, dass sie auf Aktien und Long-Only-Anlagen beschränkt sind. KIs benötigen möglicherweise mehr Flexibilität, um Werte zu schaffen und ihr volles Potenzial auszuschöpfen. Und AI-gestützte Hedgefonds haben ihre Benchmark seit 2009 deutlich übertroffen, obwohl sie in diesem Jahr eine Underperformance erzielt haben.

AI-Powered Hedge Funds

Quellen: Eurekahedge, FactorResearch

Vorsicht ist jedoch das Schlagwort, wenn es um Hedge-Fonds-Indizes geht. Sie neigen zur Selbstauswahl und zum Auffüllen: Nur Fonds mit beneidenswerten Renditen werden zu Bestandteilen. Einige Fonds können negative Renditen erzielen, sobald sie im Index enthalten sind. In diesem Fall hören sie in der Regel auf zu berichten.

Der Eurekahedge AI Hedge Fund Index hat derzeit 14 Mitglieder. Weitere 36 wurden liquidiert oder verzichten auf weitere Berichterstattung. Eine erfolgreiche Fondsauswahl ist daher, wenn möglich, eine Herausforderung.

Bei Hedge-Fonds mit KI müssen die Anleger noch vorsichtiger sein. Die Programmierer und Datenwissenschaftler, die die AIs erstellen, verstehen ihr Verhalten häufig nicht vollständig. So bleiben sie auch für ihre Schöpfer Black Boxes, was für die meisten Anleger kein beruhigendes Merkmal ist.

Wir können eine Faktor-Exposure-Analyse für die Hedge-Fonds-Portfolios durchführen. Dies zeigt, dass AIs in jüngster Zeit bei Aktien der Eurozone und Schwellenländern sowie bei Unternehmensanleihen optimistisch und bei britischen Aktien, Hochzinsanleihen und Rohstoffen bärisch waren.

Diese Analyse kann uns natürlich nicht sagen, warum die AIs diese Positionen eingenommen haben, und wir können ihre Anlagethesen nicht mit ihnen besprechen – zumindest noch nicht.

AI-Powered Hedge Funds: Faktor-Exposure-Analyse

Quelle: FactorResearch

Weitere Gedanken

Weltweit hat fast jede große Investmentfirma Teams, die an KI- und maschinellen Lerntechnologien arbeiten. Viele haben diese Tools bereits in ihre Anlageprozesse integriert.

Es gab erfolgreiche Anwendungen des maschinellen Lernens, um beispielsweise Big Data in Form von Milliarden von Kreditkartentransaktionen zu verarbeiten, um Trends bei den Verbraucherausgaben zu erkennen. Solche Strategien können zu Long- und Short-Positionen in verbundenen Unternehmen führen.

Dies deutet jedoch kaum auf die Revolution hin, die die KI-Befürworter vorhergesagt haben.

Aber vielleicht wird AI die Investmentbranche auf andere Weise verändern. Die Finanzmärkte sind laut und die Vermögenspreise werden von vielen Variablen beeinflusst, die in einem offenen, komplexen System interagieren. Dies kann die Vorhersage unabhängig von der verfügbaren Rechenleistung verhindern.

Da es unwahrscheinlich ist, dass AIs in absehbarer Zeit Egos entwickeln, ist es möglicherweise sinnvoll, sie auf die Automatisierung von Compliance- und Middle- und Back-Office-Funktionen mit weniger Variablen zu beschränken.

Es ist vielleicht weniger aufregend als tatsächliche Investitionen, bietet aber auch AIs stabilere Beschäftigungsmöglichkeiten.

Wenn Sie weitere Informationen von Nicolas Rabener und dem FactorResearch-Team erhalten möchten, abonnieren Sie den E-Mail-Newsletter.

Wenn Ihnen dieser Beitrag gefallen hat, vergessen Sie nicht, den unternehmungslustigen Investor zu abonnieren.

Alle Beiträge sind die Meinung des Autors. Als solche sollten sie weder als Anlageberatung ausgelegt werden, noch spiegeln die geäußerten Meinungen notwendigerweise die Ansichten des CFA-Instituts oder des Arbeitgebers des Autors wider.

Bildnachweis: © Getty Images / ktsimage

Professionelles Lernen für Mitglieder des CFA-Instituts

Ausgewählte Artikel können mit dem Professional Learning (PL) angerechnet werden. Nehmen Sie Credits einfach mit der CFA Institute Members App auf, die auf iOS und Android verfügbar ist.

Nicolas Rabener

Nicolas Rabener ist Geschäftsführer von FactorResearch, das quantitative Lösungen für Factor Investing anbietet. Zuvor gründete er Jackdaw Capital, einen quantitativen Investmentmanager, der sich auf aktienmarktneutrale Strategien konzentriert. Zuvor war Rabener bei GIC (Government of Singapore Investment Corporation) tätig und konzentrierte sich auf Immobilien in verschiedenen Anlageklassen. Er begann seine Karriere bei Citigroup im Investment Banking in London und New York. Rabener hat einen MS in Management von der HHL Leipzig Graduate School of Management, ist CAIA-Charterinhaber und betreibt Ausdauersport (100 km Ultramarathon, Mont Blanc, Kilimandscharo).