Maschinelles Lernen enthüllt die Grenzen aktiven Managements

KI-Modelle dekodieren systematische Handelsmuster

Forscher der Harvard Business School haben untersucht, inwieweit künstliche Intelligenz die Entscheidungsprozesse professioneller Investmentfonds nachbilden kann. Die Ergebnisse deuten darauf hin, dass ein erheblicher Teil der täglichen Handelsaktivitäten auf erkennbaren Mustern basiert, die sich algorithmisch erfassen lassen.

Mittels eines neuronalen Netzes trainiert auf rollierenden Fünfjahreszeiträumen von 1990 bis 2023 gelang es dem System, etwa 71 Prozent der Portfolioanpassungen vorauszusagen. Das Modell nutzte dabei Informationen wie Fondsgröße, Mittelflüsse, Aktienmerkmale und makroökonomische Bedingungen. Damit konnte es antizipieren, ob ein Fondsmanager eine Position kaufen, verkaufen oder halten würde.

Wo der Algorithmus versagt, entstehen echte Renditen

Aufschlussreicher als die Vorhersageerfolge sind jedoch die Grenzen des Modells. Die rund 29 Prozent der Transaktionen, die sich nicht korrekt prognostizieren ließen, waren im Durchschnitt mit besseren Ergebnissen verbunden. Dies deutet darauf hin, dass gerade jene Entscheidungen, die von etablierten Mustern abweichen, den höchsten Mehrwert liefern.

Lauren Cohen, Finanzprofessor an der Harvard Business School und Mitautor der Forschungsarbeit "Mimicking Finance", ordnet diese Befunde ein: „Wenn drei Viertel Ihrer Entscheidungen von einem Algorithmus vorhergesehen werden können, wird es äußerst schwierig, dafür aktive Verwaltungsgebühren zu rechtfertigen. Die nicht routinemäßigen Trades hingegen – genau dort entsteht echter Alpha. Allerdings machen diese einen relativ geringen Anteil der Gesamtaktivität aus."

Unterschiedliche Vorhersagbarkeit je nach Fondsmerkmalen

Die Untersuchung, an der auch Yiwen Lu von der University of Pennsylvania und Quoc H. Nguyen von der DePaul University beteiligt waren, offenbart Unterschiede in der Vorhersagbarkeit. Größere Fonds, solche mit höheren Gebühren, Häuser mit umfangreicheren Teams und Manager in wettbewerbsintensiveren Segmenten erweisen sich als schwerer vorhersehbar. Dagegen zeigen Fondsmanager mit längerer Amtszeit oder mehreren verwalteten Produkten durchschnittlich vorhersagbarere Muster. Das Modell prognostiziert die Richtung von Trades zuverlässig, nicht jedoch deren Volumen.

Systematische Routinen versus Marktdynamik

Die Ergebnisse unterstreichen einen wesentlichen Unterschied: Das Verhalten von Fondsmanagern abzubilden ist offenbar einfacher, als die Marktentwicklung selbst zu prognostizieren. Vermögenspreise entstehen aus der Interaktion von Millionen Marktteilnehmern und sich verändernden Erwartungen. Berufliche Handlungsroutinen hingegen folgen häufig nachvollziehbaren Logiken – etwa Reaktionen auf Mittelzuflüsse, Risikosteuerung oder Portfolioneubewertungen.

Cohen erläutert die Implikationen: „Der Großteil dieser Aktivitäten scheint regelbasiert zu sein. Das macht es schwieriger zu argumentieren, dass dafür teure diskretionäre Entscheidungen notwendig sind. Die Komponente des menschlichen Urteilsvermögens ist systematischer, als es zunächst den Anschein hat – man braucht nur ausreichend flexible Analysewerkzeuge, um das zu erkennen."

Neubewertung von Gebührenstrukturen

Die Studie kommt zu einer Zeit, in der Investoren verstärkt Kapital aus aktiven Aktienfonds in kostengünstige Indexprodukte verlagern. Das zentrale Versprechen des aktiven Managements – eine Überrendite gegenüber Benchmarks wie dem S&P 500 – wird zunehmend hinterfragt, besonders da quantitative Modelle die Anforderungen kontinuierlich erhöht haben.

Cohen fasst die Policy-Implikation zusammen: „Die wahrhaft qualifizierte Komponente – jene unvorhersehbare, nicht routinemäßige Komponente – ist real, aber begrenzt. Die Schlussfolgerung sollte weniger lauten, Fondsmanager vollständig zu ersetzen, sondern vielmehr neu zu bewerten, welchen tatsächlichen Wert ihre vorhersehbaren und unvorhersehbaren Aktivitäten haben."

Während maschinelle Lernmodelle mit zunehmenden Datenmengen potenziell leistungsfähiger werden könnten, deuten die gegenwärtigen Befunde eher auf ökonomische Neuausrichtung als auf existenzielle Bedrohung hin. Sie legen nahe, dass die Rechtfertigung aktiver Gebührenstrukturen sich künftig stärker auf jenen kleineren Anteil an Entscheidungen konzentrieren muss, der sich dem standardisierten Playbook entzieht.