In Zeiten von steigender Volatilität an den Finanzmärkten, Ereignisgetriebenen Finanzplätzen und zunehmender Unsicherheit der Anleger ist ein agiles Portfoliomanagement unabdingbar geworden. Eine zentrale Herausforderung für Anleger birgt die stetige Überwachung der Märkte. Während private Anleger oftmals erst von relevanten Nachrichten erfahren, nachdem die Märkte bereits erste Reaktionen gezeigt haben, setzen viele institutionelle Investoren längst auf Handelssysteme, welche durch Algorithmen gesteuert werden. Vorteil dieser Handelssysteme sind das schnelle Reaktionsvermögen auf globale Ereignisse sowie plötzlich auftretende Marktschwankungen.
Das Thema Digitalisierung ist im Assetmanagement allerdings noch nicht überall angekommen. Wenngleich bei Kundenprozessen und im Back Office Veränderungen stattfinden, setzen Vermögensverwalter und Kreditinstitute noch zu 70 bis 80 Prozent auf diskretionäre Ansätze im Portfoliomanagement und quantitative Modelle sowie der Einsatz von KI-Systemen bleiben außen vor.
Ein Grund dafür ist, dass um die Jahrtausendwende sehr viele Werterhaltungsmodelle und Kurs- Sicherungsmaßnahmen nicht richtig funktionierten. Dadurch sind die Branche und natürlich die erfahrenen Kollegen mit solchen Themen wie Überwachungsmechanismen sehr vorsichtig geworden.
Die Schwierigkeit für solche Systeme besteht darin, relevante Daten zu erheben und zu interpretieren. Die globalen Finanzmärkte produzieren enorme Mengen an Informationen, die von den Handelsvolumina einzelner Aktien bis hin zu globalen Wirtschaftsindikatoren reichen. Diese Daten zu sammeln, zu verarbeiten und daraus fundierte Anlageentscheidungen abzuleiten erfordert entsprechende Ressourcen und die nötige Expertise bei der Entwicklung solcher Modelle.
„Und das ist genau das Thema, woran wir arbeiten“, sagt Professor Schallmo und ergänzt: „Wir merken auch, dass die Bereitschaft, innovative Technologien zu nutzen, steigt – gerade nach einem so schwierigen Jahr, wie es das vergangene war. Der Großteil der Vermögensverwalter ist allerdings weiterhin klassisch aufgestellt und nutzt entsprechende Technologien nicht.“
Agile Methoden für Digitales Portfoliomanagement
Agile Methoden bieten einen Lösungsansatz für einige dieser Herausforderungen. Um schnell und effizient auf Veränderungen in der Marktlandschaft reagieren zu können, ist es notwendig, dass Innovationen und technologische Fortschritte über kurze Prozessketten Anwendung in der Praxis finden. Der Fokus hierbei liegt auf der intensiven Zusammenarbeit zwischen Portfoliomanager und Entwickler sowie der Anpassungsfähigkeit durch den Einsatz selbstlernender Modelle.
Quantitative Methoden und Künstliche Intelligenz
Neben Agilität trägt die Implementierung quantitativer Methoden erheblich zur Bewältigung der Herausforderungen im Portfoliomanagement bei. Die quantitative Analyse nutzt mathematische und statistische Modelle, um Muster in großen Datenmengen zu erkennen und Vorhersagen zu treffen. Mit dieser Methode können Portfoliomanager systematisch die Risiken und Erträge verschiedener Anlagestrategien bewerten und fundierte Entscheidungen treffen.
Die Problematik an solchen oftmals statischen Modellen ist die abnehmende Aussagekraft bei Störgeräuschen in den erhobenen Daten, die zum Beispiel durch starke Marktschwankungen oder externe Ereignisse ausgelöst werden können.
Künstliche Intelligenz bietet weitergehende Möglichkeiten. Maschinelles Lernen als ein Teilbereich der KI befähigt uns, Daten entsprechend zu filtern und komplexe Muster und Zusammenhänge zwischen verschiedenen Datensätzen zu erkennen. Künstliche Intelligenz kann darüber hinaus dazu genutzt werden, um Handelsstrategien zu optimieren, Trends in unterschiedlichen Sektoren vorherzusagen und operationelle Prozesse zu automatisieren.
Professor Dr. Daniel Schallmo ist Ökonom und Buchautor.
