Robeco logo

Zugangsbeschränkung / Haftungsausschluss

Die auf diesen Seiten enthaltenen Informationen dienen ausschliesslich Marketingzwecken.

Der Zugang zu den Fonds ist beschränkt auf (i) qualifizierte Anleger gemäss Art. 10 Abs. 3 ff. des Bundesgesetz über kollektive Kapitalanlagen („KAG“), (ii) professionelle Kunden gemäss Art. 4 Abs. 3 und 4 des Bundesgesetz über die Finanzdienstleistungen („FIDLEG“) und (iii) professionelle Kunden gemäss Anhang II der Richtlinie über Märkte für Finanzinstrumente (2014/65/EU; „MiFID II“) mit Sitz in der Europäischen Union oder im Europäischen Wirtschaftsraum mit einer entsprechenden Lizenz zur Erbringung von Vertriebs- / Angebotshandlungen im Zusammenhang mit Finanzinstrumenten oder für (iii) solche, die hiermit aus eigener Initiative entsprechende Informationen zu spezifischen Finanzinstrumenten erfragen und als professionelle Kunden qualifizieren.

Die Fonds haben ihren Sitz in Luxemburg oder den Niederlanden. Die ACOLIN Fund Services AG, Postanschrift: Leutschenbachstrasse 50, CH-8050 Zürich, agiert als Schweizer Vertreter der Fonds. UBS Switzerland AG, Bahnhofstrasse 45, 8001 Zürich, Postanschrift: Europastrasse 2, P.O. Box, CH-8152 Opfikon, fungiert als Schweizer Zahlstelle.

Der Prospekt, die Key Investor Information Documents (KIIDs), die Satzung, die Jahres- und Halbjahresberichte der Fonds sind auf einfache Anfrage hin und kostenlos beim Schweizer Vertreter ACOLIN Fund Services AG erhältlich. Die Prospekte sind auch über die Website www.robeco.com/ch verfügbar.

Einige Fonds, über die Informationen auf dieser Website angezeigt werden, fallen möglicherweise nicht in den Geltungsbereich des KAG und müssen daher nicht über eine entsprechende Genehmigung durch die Eidgenössische Finanzmarktaufsicht FINMA verfügen.

Einige Fonds sind in Ihrem Wohnsitz- / Sitzstaat möglicherweise nicht verfügbar. Bitte überprüfen Sie den Registrierungsstatus in Ihrem jeweiligen Wohnsitz- / Sitzstaat. Um die in Ihrem Land registrierten Produkte anzuzeigen, gehen Sie bitte zur jeweiligen Länderauswahl, die auf dieser Website zu finden ist, und wählen Sie Ihr Wohnsitz- / Sitzstaat aus.

Weder Informationen noch Meinungen auf dieser Website stellen eine Aufforderung, ein Angebot oder eine Empfehlung zum Kauf, Verkauf oder einer anderweitigen Verfügung eines Finanzinstrumentes dar. Die Informationen auf dieser Webseite stellen keine Anlageberatung oder anderweitige Dienstleistung der Robeco Schweiz AG dar. Eine Investition in ein Produkt von Robeco Schweiz AG sollte erst erfolgen, nachdem die entsprechenden rechtlichen Dokumente wie Prospekt, Jahres- und Halbjahresberichte konsultiert wurden.

Durch Klicken auf "Ich stimme zu" bestätigen Sie, dass Sie resp. die von Ihnen vertretene juristische Person in eine der oben genannten Kategorien von Adressaten fallen und dass Sie die Nutzungsbedingungen für diese Website gelesen, verstanden und akzeptiert haben.

18-04-2023 · Research

Forscher haben gerade erst begonnen, Machine Learning im Asset Management zu erkunden

Viele Experten haben Machine Learning (ML) als Neuerung für quantitative Investoren begrüßt – mit gutem Grund. ML verfügt über großes Potential, denn es kann bei der Identifikation ausnutzbarer nicht-linearer Muster und Wechselwirkungen helfen, welche traditionellere Techniken nicht erkennen. Doch bei allem Enthusiasmus mahnen wir auch zur Vorsicht: ML ist kein Wundermittel und stößt bei der Umsetzung auf erhebliche Probleme.

    Autoren/Autorinnen

  • David Blitz - Chief Researcher

    David Blitz

    Chief Researcher

  • Tobias Hoogteijling - Researcher

    Tobias Hoogteijling

    Researcher

  • Dr. Harald Lohre - Head of Quant Equity Research

    Dr. Harald Lohre

    Head of Quant Equity Research

Zusammenfassung

  1. Neueste Studien liefern vielversprechende Ergebnisse bei der Prognose von Aktienrenditen

  2. Doch die Abhängigkeit von Signalen mit hoher Frequenz weckt Bedenken

  3. Weiteres Research ist erforderlich, um das Beste aus ML herauszuholen

Zwar gibt es ML als theoretisches Konzept bereits seit vielen Jahren. Doch erst jüngste Fortschritte bei der Leistung von Cloud Computing haben es ermöglicht abzuschätzen, wie ML im Anlagemanagement von Nutzen sein kann. Die zunehmende Popularität spiegelt sich im starken Anstieg von Forschungspapieren aus den letzten Jahren wider, in denen der Einsatz von „Künstlicher Intelligenz“ (KI) und ML im quantitativen Asset Management untersucht wird.

Einige der meistzitierten Studien berichten von vielversprechenden Ergebnissen bei der Prognose von Aktienrenditen auf 1-Monats-Sicht bei der Verwendung von ML gestützt auf eine Vielzahl von traditionellen Prognosevariablen als Inputs. Obwohl die Modelle zum Teil bekannte Faktoren nutzen, können sie einen Mehrwert dadurch bieten, dass sie nicht-lineare Alpha-Chancen und Wechselwirkungen erfassen.

Allerdings sind diese ermutigenden Resultate im Wesentlichen noch theoretischer Natur. Die sich ergebenden dynamischen Alpha-Signale in der Praxis in rentable Anlagestrategien zu verwandeln – berücksichtigt man Kosten und andere Position bei der realen Umsetzung – ist leichter gesagt als getan. Zum einen gibt es nur wenig Forschungsliteratur, in der die Frage der praktischen Umsetzung untersucht wird.

Zum anderen deuten die meisten Studien darauf hin, dass das Outperformance-Potential von ML-Modellen gegenüber traditionellen häufig dadurch beeinträchtigt wird, dass sie sich auf Signale stützen, die sich rasch ändern. Aus diesem Grund ist kürzlich versucht worden, ökonomische Gegebenheiten in die Verlustfunktionen zu integrieren, sodass das ML-Modell sich auf Aktien konzentrieren kann, die leichter zu handeln sind. Diese Bemühungen sollten es wahrscheinlicher machen, aus der Prognosekraft von ML-Modellen Kapital zu schlagen.

Eher eine Evolution als eine Revolution

Neben der Prognose von Renditen sind weitere vielversprechende Anwendungen von ML vorgeschlagen worden. Dazu zählt die Optimierung traditioneller Faktoren, indem aus unstrukturierten Daten neue Variablen konstruiert werden und neben der Rendite andere Kennzahlen prognostiziert werden, beispielsweise in Bezug auf Risiko oder Nachhaltigkeit. Deshalb hatte die Anwendung von ML-Methoden im Asset Management bislang eher den Charakter einer Evolution als einer Revolution.

Asset Manager, welche die Fortschritte bei ML ignorieren, dürften in Zukunft schlechter als diejenigen abschneiden, die ML einsetzen

Next-Generation Quant

Mit dem technologischen Fortschritt nehmen auch die Möglichkeiten für quantitative Investoren zu. Indem wir mehr Daten einbeziehen und fortgeschrittene Modellierungstechniken nutzen, können wir tiefere Einblicke gewinnen und bessere Entscheidungen treffen.

Wahrscheinlich dürften Asset Manager, welche die Fortschritte bei ML ignorieren, in Zukunft schlechter als diejenigen abschneiden, die ML einsetzen. Beispielsweise lässt die Fähigkeit zur Automatisierung der Aufgaben traditioneller Analysten, beispielsweise das Lesen, Sehen oder Hören von Informationen, letztlich beträchtliche Produktivitätsgewinne erwarten. Voraussetzung ist, dass ein Asset Manager über die notwendige Infrastruktur verfügt und unterschiedliche umfangreiche Datensätze und Signale in großem Stil analysieren kann.

Jedoch kann die Abkehr von einem theoretischen ökonomischen Fundament und der Übergang zu einem vollständig digitalbasierten Ansatz umgekehrt ebenfalls nachteilig sein. Anleger können die Fähigkeit eines Asset Managers zur erfolgreichen Weiterentwicklung seines Investmentprozesses erkennen und evaluieren, indem sie genau untersuchen, welches Research-Verfahren genutzt wird. Letzteres ist der Schlüssel zum Erfolg von ML in der Praxis und zur Vermeidung der zahlreichen Fallstricke.

Alles in allem haben die Forscher gerade erst begonnen, die endlosen Möglichkeiten von ML zu erkunden. Für die nächsten Jahre sind zahlreiche spannende Neuentdeckungen zu erwarten. Allerdings dürfte das menschliche Wissen wichtig bleiben. Denn der Anteil verwertbarer Signale ist gemessen an der Vielzahl der finanziellen Daten gering und es besteht ein hohes Risiko einer Überanpassung.

Vollständigen Beitrag auf SSRN lesen



Holen Sie sich die neuesten Einblicke

Abonnieren Sie unseren Newsletter, um aktuelle Anlageinformationen und Analysen durch Sachverständige zu erhalten.

Nicht verpassen