Die Ausbreitung der Covid-19-Pandemie hat zeitweise zu heftigen Korrekturen an den Wertpapiermärkten geführt. Binnen sechs Wochen wurden Investvermögen in zweistelliger Billionenhöhe vernichtet, und viele Anleger sind besorgt, dass der Gleichlauf von Anlageklassen in solchen Phasen sogar noch zunimmt. Können Algorithmen und Machine Learning alternative Einschätzungen in einer derartigen Marktsituation liefern? Darüber haben wir mit Pablo Hess und Michael Günther gesprochen, die mit dem Tungsten Trycon AI Global Markets einen der ersten KI-Fonds am Markt verwalten.

Herr Hess, Herr Günther, warum sind in der jüngsten Crashphase so viele Assetklassen im Gleichschritt gelaufen?

Michael Günther: Unsere These ist, dass die Märkte bereits vor dem Ausbruch der aktuellen Ausnahmesituation fragil waren. Seit 2008 wurden über die Geldpolitik der Zentralbanken fast alle Instrumente ausgeschöpft. Das hat zu einem sehr günstigen Umfeld für reine Aktien- und Mischportfolios beziehungsweise Long-Only-Strategien geführt. Im März schienen dann viele Strategien an ihre Grenzen zu geraten. Klassische Assetklassen liefen im Gleichschritt nach unten.

Pablo Hess: Die negative Korrelation zwischen Aktien und Anleihen, von der traditionelle Mischportfolios stark profitieren, ist eben kein Naturgesetz. Sie galt nur für etwa ein Drittel des Zeitraums seit den 1950er Jahren bis heute. Von daher war der synchrone Verlauf der Kurse von Aktien und Anleihen während der vergangenen Wochen nichts wirklich Neues.

Viele Marktteilnehmer betrachten die aktuelle Phase als eine der herausforderndsten seit der Finanzkrise 2008. Sehen Sie das auch so?

Pablo Hess: Wir beobachten zahlreiche Indikatoren auf teils historischen Höchst- oder Tiefständen. So fielen etwa die Einkaufsmanagerindizes in Europa und den USA zuletzt auf dramatische Werte. In den USA liegt der ISM-Unterindex für Neuaufträge per 1. Juni bei 31,8 Prozent. Im März lag dieser noch bei 42,2 und im Februar bei 49,8 Prozent. Zwar ist die Tendenz wieder leicht steigend, ein derartiger Rückgang hat jedoch seit dem Jahr 1952 praktisch immer zuverlässig ein Schrumpfen der wirtschaftlichen Aktivität angekündigt.

Sie nutzen für Ihren Fonds Tungsten Trycon AI Global Markets Methoden der Künstlichen Intelligenz. Welche Ergebnisse legen die Auswertungen der KI nahe?

Pablo Hess: Zunächst müssen wir feststellen, dass klassischen Rentenanlagen bei geringen Chancen weiter gewachsene Risiken gegenüberstehen. Gleichsam begrenzt der Ruf nach einem Verzicht auf Aktienrückkäufe und Dividenden die Renditepotenziale von Aktien. Der Dividenden-Future des DJ Eurostoxx 50 ist im April um mehr als 50 Prozent zurückgegangen und hat sich derzeit bei etwa zwei Dritteln seines Kursniveaus vom Anfang des Jahres stabilisiert. Volkswirtschaftlich richtet sich der Blick auf deflationäre Risiken sowie mögliche inflationäre Entwicklungen im Gefolge der fiskalischen und geldpolitischen Maßnahmen zur Begegnung der Pandemie. Wir haben inmitten des Sturms im März sehr viel Panik und Notverkäufe an den Märkten erlebt. Was die KI vermag, ist in dieser Situation nüchtern, rational und ohne emotionale Befangenheit an Anlageentscheidungen heranzugehen.

Was muss man sich darunter konkret vorstellen?

Michael Günther: In den besonders heiklen Wochen von Februar bis März hatte unser KI-Modell beispielsweise frühzeitig Allokationssignale gegeben, um Long-Positionen in verschiedenen Aktienindex-Futures dynamisch ab- und gleichzeitig Short-Positionen aufzubauen. Das führte in der Spitze zu einer Netto-Short-Exposure im Aktienbereich von minus 20 Prozent. Daneben hatten Long Bond-Positionen einen positiven Einfluss, insbesondere bei US-Anleihen.

Haben Sie anschauliche Zahlen dazu?

Michael Günther: In der genannten Sturmphase lag der Wertgewinn des Tungsten Trycon AI Global Markets bei über fünf Prozent. Im laufenden Jahr liegen wir mit rund zwei Prozent im Plus. Die Korrelation mit traditionellen und anderen Assetklassen liegt in einem Bereich von unter 0,2.

Welche "andersartigen" Daten kommen bei einem solchen KI-Modell zum Einsatz?

Michael Günther: Tatsächlich gibt es weltweit nach Schätzungen nur circa 30 bis 40 vollständig auf maschineller Intelligenz basierende Investmentfonds. Welche Daten diese Fonds jeweils nutzen, ist sehr verschieden. Manche lesen etwa Twitter-Nachrichten oder News-Feeds. Wir denken hingegen, dass große Mengen an Finanzdaten, also unter anderem Preis- und Umsatzdaten, die höchsten Ansprüche erfüllen.

Pablo Hess: Sie benötigen für solch ein Modell immer zwei Komponenten. Einerseits die Daten, deren Verarbeitung den Aufwand herkömmlicher Handelssignale durchaus um das 100.000-fache übersteigen kann. Zweitens die KI-basierte Technologie zur börsentäglichen Auswertung der Daten.

Inwieweit kann ein solcher Ansatz Anleger bei der Verfolgung ihrer Ziele unterstützen? Sind sie damit tatsächlich marktunabhängiger?

Pablo Hess: Unser Anspruch ist es, die Abhängigkeit vom Gesamtmarkt und von Konjunkturzyklen zu reduzieren, indem man eben alternative Renditequellen identifiziert und dadurch auch zu neuen Portfoliozusammensetzungen kommt.

Glauben Sie, dass die Rolle solcher KI-Modelle auf absehbare Zeit mehr als vornehmlich eine Beimischung sein wird?

Michael Günther: Dazu zwei Überlegungen. Erstens ist noch immer nicht ganz absehbar, wie lange die aktuelle Pandemie uns alle einschränken wird. Betrachtungen nach "Gewinnern oder Verlierern" der Krise sollten daher sehr differenziert erfolgen. Das kann man möglicherweise erst in einigen Monaten seriös beantworten. Was man jedoch sagen kann: Anleger wünschen sich Ansätze, die nicht nur in Schönwetterphasen funktionieren, sondern auch Szenarien mit stark fallenden Börsen aushalten und dynamisch darauf reagieren können. Dahingehend unterziehen sicherlich zahlreiche Anleger ihre Portfolios einer kritischen Prüfung.

Vielen Dank für das Gespräch. (hh)