Kommentare & Expertenmeinungen | Interview
14.09.2017

"Ein Mensch kann die Finanzkrise nicht ausblenden"

Beim Acatis AI Global Equities wird der Fondsmanager durch eine „Lernmaschine“ ersetzt. Erfahren Sie im folgenden Interview mit Hendrik Leber, Gründer und Geschäftsführer von Acatis, was das System kann, was nicht und wo es dem Menschen überlegen ist.

von Wolfgang Regner

Hendrik Leber, Gründer und Geschäftsführer von Acatis

Hendrik Leber, Gründer und Geschäftsführer von Acatis

Foto: Acatis

FONDS exklusiv: Wie fließt die Künstliche Intelligenz (KI) in Ihren Investmentprozess mit ein?

Hendrik Leber: Beim Acatis AI Global Equities, dem, soweit mir bekannt, derzeit einzigen Investmentfonds, dessen Investmentprozess auf künstlicher Intelligenz basiert, verwenden wir keine Algorithmen. Wir packen stattdessen die Unternehmensdaten in zehntausende Blöcke zu je 100 Stück und füttern damit unsere „Lernmaschine“. Dabei arbeiten wir mit Zeitreihen und nicht Zeitpunkten. Wir fangen in der Vergangenheit an und lassen das System mittels eines Lernprozesses sich zur Gegenwart vorwärts arbeiten, so wie auch ein Mensch als Analyst arbeiten würde. Allerdings mit dem Millionenfachen an Daten. Wir verwenden neuronale Strukturen und Parameter, wobei diese Netzstrukturen eher statisch sind. Die Gedächtnisstrukturen von Neuronen erkennen frühere Muster und prüfen, welche funktioniert haben oder nicht.

FONDS exklusiv: Wie läuft das in der Praxis ab?

H.L.: In der Praxis bedeutet dies, dass wir das System zB. mit zehn Jahren Vergangenheit füttern (das sind die sogenannten Lerndaten, etwa Kennziffern wie Umsatz und Gewinn, insgesamt sind es 232 Parameter in jeweils drei Variationen, zB. der Vergleich des Kurs-Buchwertverhältnisses (KBV) mit einer bestimmten Branche, also insgesamt 696, und das System erkennt Kombinationen, die in der Vergangenheit gut funktioniert haben. Für die Überprüfung des Lernerfolgs geben wir ihm ein halbes Jahr Zeit, danach heißt es zurück an den Start, um neue Kombinationen zu erlernen.

FONDS exklusiv: Neuronale Netze gibt es seit Jahrzehnten- warum soll gerade jetzt der Durchbruch gelingen?

H.L.: Die „Big Data“ und die Rechnerkapazität, diese riesigen Datensätze zu verarbeiten, haben es der KI erst möglich gemacht, ihre Stärken auszuspielen, nämlich Unmengen von Daten zu analysieren und praxistaugliche Kombinationen zu identifizieren. Bei weniger als 100000 Datensätzen tut sich bei unserem System noch nicht viel- es ist erst bei über einigen Millionen Datensätzen zur Lernarbeit zu „motivieren“. Auch die Leistungsfähigkeit der Grafikkarten ist wichtig. Bei Nvidia explodiert diese um bis zum Zehnfachen pro Jahr. Schließlich sind auch die System-Architekturen vielfältiger als früher – es gibt rund 30 verschiedene Programmtypen in neuronalen Netzen zur Auswahl. Wir haben 5000 verschiedene Architekturen mit verschiedensten Parametern getestet, unter anderem, um die Erfolgswahrscheinlichkeit zu erhöhen und die Gefahren etwa des Selbstbetrugs (man berücksichtigt nur die schönen Ereignisse, schlechte ignoriert man) zu minimieren. Für eine der robusten Architekturen haben wir uns dann entschieden.

FONDS exklusiv: Können Sie die „Lernarbeit“ Ihres Systems näher erläutern?

H.L.: Dabei geht es um das sogenannte Deep Learning. Diese Technologie, die bei der Auswahl der Aktien eingesetzt wird, ist bereits erprobt. Sie basiert auf der Technologie, die für Autopiloten im Flugzeug oder für Schachcomputer verwendet wird. Lassen sie mich die Lernarbeit unseres Systems an einem Beispiel erläutern: Es kann vorkommen, dass zB. das KBV oder das Kurs-Cash-Flow-Verhältnis in der Vergangenheit gut funktioniert haben, nun aber plötzlich die Volatilität wichtiger geworden ist. Daraufhin adaptiert sich das System im Lauf der Zeit und gewichtet Volatilitäts-Kennziffern nun stärker als bisher und es merkt sich diese Veränderungen. Diese Gedächtnisfunktionen hat es früher, als auch schon mit neuronalen Netzen experimentiert wurde, nicht gegeben. Auch die Selbstlernfunktion ist relativ neu, etwa dass das System lernt, ob etwa die Kombination KBV und höhere Dividenden in den letzten fünf Jahren besser funktioniert hat als andere. Dieser Lernprozess ist sehr wohl ein algorithmischer Prozess.

FONDS exklusiv: Worin besteht die Leistung der Künstlichen Intelligenz und was kann sie besser als der Mensch?

H.L.: Der Computer kann die Daten, Unternehmenskennziffern und Kursentwicklungen selbst interpretieren und immer bessere Lösungen für die Portfolio-Strukturen finden. Er lernt, was gut funktioniert hat und vielleicht auch in Zukunft gut funktionieren wird. Zudem passt er seine „Lernergebnisse" fortlaufend an. Ein Mensch kann bei der Unternehmensanalyse und -bewertung nur eine begrenzte Anzahl von Kennziffern und Berichten analysieren. Beim Computer werden die Grenzen zunächst nur durch seine Rechenkapazität beschränkt, die stetig steigt. Das Potenzial wächst also sukzessive weiter, während der Mensch „stehen bleibt“. Zudem ist der Computer schneller, er erkennt mehr und er arbeitet gründlicher. In wenigen Sekunden kann er viele Tausend Portfolios erstellen und analysieren, er ist beispielsweise auch in der Lage nicht-lineare Muster in den Finanzdaten zu erkennen und er macht weniger Fehler.

FONDS exklusiv: Warum machen Sie keine Backtests?

H.L.: Der Unterschied zu den Backtests ist, dass bei diesen das Wissen von heute darauf geprüft wird, wie es in der Vergangenheit funktioniert hätte, (etwa Dividendenstrategien in den letzten zehn Jahren). Wir machen es genau umgekehrt. Das Problem bei Backtests ist, dass hier oft solange an den Parametern herumgeschraubt wird, bis der Test ein glänzendes Ergebnis liefert. Haben Sie schon einmal einen negativen Backtest in der Finanzindustrie gesehen, mit dem auch an die Öffentlichkeit gegangen wurde? Ich jedenfalls nicht.

FONDS exklusiv: Stattdessen gibt es bei Ihrem System sogenannte Walk Forward Tests.

H.L. Ein Walk-Forward-Test wertet realistisch die tatsächlichen Investitionsentscheidungen in der Vergangenheit bis zur Gegenwart aus. Hierbei werden In-Sample Bias, Survivorship Bias (gescheiterte Firmen werden aus den Daten eliminiert), Look-ahead Bias, Data Mining-Effekte und Overfitting („Auswendiglernen“) weitestgehend ausgeschlossen. Zudem fließen Liquidität und Transaktions-kosten in die Betrachtung mit ein. Das „Walk-Forward-Prinzip“ ist objektiver als klassische Backtests, die alle Vergangenheitsdaten, und damit auch alle Ereignisse (gute und schlechte), berücksichtigen.

FONDS exklusiv: Wie funktioniert ein Walk-Forward-Test?

H.L. Das Künstliche Intelligenz-Modell erhält beispielsweise Unternehmensdaten bis 2007. In den Daten bis 2006 sucht es nach auffälligen Mustern, die die Outperformer der jeweils nächsten 12 Monate bis 2007 aufweisen. Auf dieser Basis bildet es ein Portfolio für 2008, ohne zu wissen, dass in diesem Jahr die Finanzkrise stattfand. Nach 2008 kommen die Daten von 2007 zum Trainingsset dazu, und es wird nach Charakteristiken der Outperformer bis 2008 gesucht. Anschließend wird für 2009 ein neues Portfolio gebildet. So wird sukzessive mit den Daten der Vergangenheit trainiert und ein Portfolio für die Zukunft gebaut, unabhängig von Ereignissen, die zu diesem Zeitpunkt noch nicht bekannt sein können. Ereignisse, die es nicht kennt, kann das System bei seinen Entscheidungen nicht einbeziehen. Diese wissenschaftliche unbeeinflusste Herangehensweise und die Möglichkeit, spezifischere Einschränkungen vorzunehmen, unterscheidet das Modell deutlich von einem Menschen. Ein Mensch kann Ereignisse wie die Finanzkrise nicht ausblenden. Würde er für 2008 ein Portfolio bilden, wäre er durch sein Wissen über die Finanzkrise beeinflusst und würde sein Portfolio anders aufstellen.

FONDS exklusiv: Was ist der Unterschied des Acatis AI Global Equities gegenüber einem Quantfonds?

H.L.: Es gibt zwei große Unterschiede: Bei einem Quantfonds werden meistens einfache Regeln umgesetzt, die vom Menschen a posteriori aufgestellt wurden, z.B. durch eine lineare Datenanalyse. Faktorinvestitionen gehen sogar oft von einer dominierenden Kennziffer aus. Ein Modell der Künstlichen Intelligenz findet hingegen selbständig nicht-lineare Zusammenhänge und passt sich selbstlernend den jeweiligen Marktgegebenheiten an, ohne die Vergangenheit zu vergessen. Wesentlich für die Modellbildung sind hier Nichtlinearitäten. Unterschiedlichste Kennziffern werden in nahezu beliebigen Kombinationen miteinander verbunden. Neuronen in neuronalen Netzen spezialisieren sich beispielsweise darauf, bestimmte Details zu erkennen, die nachher in eine Gesamtbeurteilung einfließen. So könnte ein Neuron einen bestimmten Zusammenhang zwischen Umsatz und Gewinn beobachten, ein anderes Neuron reagiert auf eine besonders hohe Ausprägung von Wachstum, Marge und Marktanteil. Erst im Zusammenspiel aller Neuronen entsteht das Gesamtmodell. Der zweite große Unterschied ist der stufenartige Prozess bei einem Quantfonds (Allokation, Selektion, Gewichtung/Portfoliokonstruktion) gegenüber der durchintegrierten end-to-end-Optimierung bei unserem Modell der Künstlichen Intelligenz.

FONDS exklusiv: Wo könnten bei Ihrem System Probleme auftreten?

H.L.: Strukturbrüche an den Finanzmärkten, etwa, wenn die traditionellen Korrelationen zwischen den Asset-Klassen plötzlich nicht mehr funktionieren oder starke Währungsverschiebungen, machen dem System zu schaffen. Auch mit politischen Einflussfaktoren tut sich unsere Lernmaschine schwer. So weiß sie aktuell nicht so recht, was sie mit den USA anfangen soll, solange dort rasche Richtungswechsel in der Politik erfolgen. Probleme bereiten dem System auch Datenlücken, wobei ich sagen kann, dass wir über eine gute und sehr langfristig aufgebaute Datenqualität verfügen. Damit sind wir auch schon beim Faktor Mensch. Ganz ausgeschlossen ist dieser auch bei der KI nicht. Ein Mensch muss die Programmierung und die Datenaufbereitung machen, damit das System die richtigen Schlüsse ziehen kann. Er ist für die gesamte Systemarchitektur verantwortlich.

FONDS exklusiv: Was ist im Acatis AI Global Equities enthalten und was sind die Anlageziele?

H.L.: Der Acatis AI Global Equities investiert in 50 globale Einzeltitel, die aus einem etwa 4000 Aktien umfassende Universum selektiert werden. Mithilfe der künstlichen Intelligenz soll der Fonds eine Outperformance gegenüber dem MSCI World von durchschnittlich drei Prozent pro Jahr erzielen. Die Volatilität soll dabei auf Indexniveau liegen. Kursrückschläge wurden in der Simulation schneller aufgeholt als vom MSCI World Index. Interessant dabei ist auch, dass seit 2005 die Ländergewichtungen sehr stark schwankten. US-Titel waren 2007 so gut wie gar nicht enthalten, und 2014 machten sie fast 80 Prozent aus.