FÜR QUALIFIZIERTE ANLEGER

Big Data als Basis von Investmententscheidungen

28-Nov-2017
By BlackRock

Zunehmend werden aus grossen Datenmengen Signale für das Portfoliomanagement generiert. Das hilft, den Entscheidungsprozess und das Risikomanagement zu objektivieren, und legt die Basis für skalierbare Portfolios.

Tausende von Geschäftsberichten, Analystenkommentaren oder Telefonkonferenzen in kürzester Zeit auswerten – das ist dank der enorm gestiegenen Leistungsfähigkeit von Computern mittlerweile kein Problem mehr. Um etwas über die Aussichten ganzer Branchen oder Länder zu erfahren, gehen Asset Manager heute weiter. So können sie auf ganz andere Daten neuer Art zurückgreifen, etwa auf Suchanfragen im Internet, Tweets, das Verhalten in sozialen Medien, Satellitenbilder und vieles mehr. Und die Datenmengen wachsen und wachsen. IBM schätzt, dass rund 90% der aktuell verfügbaren Daten in den vergangenen zwei Jahren generiert wurden.

Das eröffnet für das Portfoliomanagement ganz neue Chancen. In Ergänzung zum altbekannten und bewährten fundamentalen Stockpicking setzen immer mehr Manager von Fondsgesellschaften zunehmend auch auf Big Data, also das Sammeln und Auswerten von riesigen Datenmengen mit dem Ziel, daraus Signale für die Geldanlage zu generieren. Allerdings: Die reine Sammlung von Datenmengen bringt noch keinen Mehrwert, entscheidend sind das Erkennen von Zusammenhängen, die Strukturierung der Daten oder die Analyse. Hier kommen Algorithmen, künstliche Intelligenz, Natural Language Processing (Computerlinguistik) und Machine Learning ins Spiel – alles Begriffe und Methoden, die mit einer rasant fortschreitenden Technologieentwicklung einhergehen.

Einige Beispiele aus der Praxis: Statt für eine Investmententscheidung auf Umfragen unter Konsumenten zu vertrauen, werden zum Beispiel Satellitenbilder der Belegung von Parkplätzen vor Supermärkten herangezogen. Auch Suchanfragen im Internet sind eine wichtige Quelle. Die Investmentweltkarte von BlackRock signalisierte auf Basis von Anfragen im Internet zu Basis- und Luxuskonsumgütern zum Beispiel schon für 2013 eine Erholung in Spanien, als am Markt noch nicht damit gerechnet wurde.

Perfekt ist das alles noch nicht, es gibt Fehlerquellen. Bekannt ist das Beispiel von Google: Das Unternehmen hat herausgefunden, dass sich Grippewellen durch die Häufigkeit bestimmter Google-Suchanfragen vorhersagen lassen. Millionen von Menschen in einer Region geben verstärkt Begriffe wie «Halsschmerzen» und «Symptome» ein, die während der vergangenen fünf Grippeepidemien mit der Frühphase des Ausbruchs korrelierten. Allerdings: Medienberichte über eine Grippewelle führten ebenfalls zu einem verstärkten Suchverhalten.

Gelegentlich muss der Mensch also noch abwägend eingreifen und entscheiden, ob die vordergründige Interpretation des Datenmaterials wirklich sinnvoll ist.

Insgesamt erweitert dieser auf Daten beruhende, wissenschaftliche Ansatz aber die Möglichkeiten gegenüber traditionellem Stockpicking. Die Entscheidung des Portfoliomanagers kann sich auf eine objektive und regelbasierte Analyse von Datenmengen stützen, die der einzelne Mensch und selbst grosse Expertenteams nicht fassen könnten. Big Data kann somit Investmententscheidungen verbessern und präzisieren. Und es schafft eine wichtige Voraussetzung für skalierbare Investmentportfolios: Durch das Basieren auf objektiven Daten lassen sich Portfolios entwickeln, die weniger abhängig von schwer fassbaren subjektiven Einschätzungen einzelner Manager sind. Zusammen mit einem systematischen Risikomanagement, das aufgrund einer Vielzahl von verfügbaren Daten täglich Tausende von Szenarien durchrechnet und dabei ebenfalls Techniken des maschinellen Lernens nutzt, entstehen so robuste, vielfältig einsetzbare Portfoliolösungen.

Zudem wird durch Skaleneffekte der kostengünstige Zugang zu Informationen für Investoren erst möglich. Wir stehen dabei übrigens erst am Anfang der Entwicklung. Das Wissen darüber, wie aus Daten Informationen gewonnen werden können, wird immer besser werden.

Investmententscheidungen blind Big-Data-Auswertungen zu überlassen, kann dabei aber niemals die Lösung sein. Das Portfoliomanagement wird auch in Zukunft nicht auf Menschen verzichten können. Zum einen sind hoch spezialisierte Mitarbeiter nötig, um die Datenmengen zu kanalisieren und zu gewichten. Zum anderen muss an Big-Data-Modellen immer weiter gearbeitet werden, da einmal bekannt gewordene Effekte von der Konkurrenz genutzt werden können. Zudem können sich auch Signale verändern: Wird zum Beispiel die Anzahl positiver und negativer Wörter in einer Telefonkonferenz von Analysten einer Fondsgesellschaft mit Managern eines Unternehmens als ein Indikator für die Investmententscheidung in Aktien dieses Unternehmens herangezogen, können Unternehmen sich darauf einstellen. Sobald sie das wissen, werden sie bewusst anders formulieren und so das ursprüngliche Signal verfälschen.

Big Data bietet grosse Chancen, bessere Portfolios zu schaffen – und das auf effizientere sowie skalierbare Weise. Das Zusammenspiel von Mensch und Maschine entscheidet dabei aber über die Qualität der Lösungen und Asset Manager, die wie BlackRock massiv in Big-Data-Anwendungen investieren, verschaffen Investoren einen Wettbewerbsvorteil bei der Suche nach Alpha.