Maschinen erobern die Börse: Chance für Privatanleger?

Seit geraumer Zeit beginnen die lernenden Algorithmen den Finanzmarkt zu erobern und sorgen dafür, dass die Fondsmanager immer weniger Gewinne verbuchen. Es sieht nach einem Machtwechsel aus, der vor allem für Privatanleger von Vorteil sein könnte.

Die Stars der vergangenen Tage wurden von Maschinen verdrängt 

Michael Farmer, ein Londoner Hedgefondsmanager, der ein untrügliches Gespür für den Kupferpreis hatte, gelang im Jahr 2013 noch ein Plus von rund 50 Prozent, sodass er einerseits reich, andererseits in weiterer Folge sogar zum Lord geschlagen wurde, da er die Konservativen mit Großspenden unterstützte. Anfang des Jahres musste Farmer, der den Spitznamen „Mister Copper“ trägt, aber den Anlegern mitteilen, dass die Restrukturierung der Red-Kite-Fonds notwendig wäre. Schlussendlich musste er sich eingestehen, dass Finanzwetten auf Kupfer oder andere Metalle einfach nicht mehr funktionierten. 

Verantwortlich, so Farmer, seien algorithmengetriebene Computerfonds. Es ist kein Geheimnis, dass die Maschinen-Trader bereits den Metallmarkt erobern konnten und richtige Stars, wie beispielsweise Farmer, verdrängten. „Viele Trader, die vor fünf Jahren noch richtig dick im Geschäft waren, sind nun weg“, so Christoph Eibl, der Gründer und auch Chef von Tiberius Asset Management. Derzeit sind es Quant-Hedgefonds wie Millennium oder Citadel, die die Nase vorne haben. Heute hört man nicht mehr auf sein Bauchgefühl, sondern vertraut vorwiegend der künstlichen Intelligenz - kurz auch KI genannt.

Computerprogramme kennen alle Warenströme 

Nicht nur beim Schach verliert der Mensch gegen den Computer - auch am Rohstoffmarkt scheint der Trader aus Fleisch und Blut keine Chance mehr zu haben. Selbst die großen Handelshäuser wie Louis Dreyfus, Trafigura oder Cargill, die seit Jahren einen kaum einzuholenden Informationsvorsprung hatten, können nicht mehr mithalten. So schickten die Mitarbeiter von Trafigura, ein Öl- und Metallhändler mit einem Umsatz von 136 Milliarden US Dollar, Frachter und auch Tanker um die Welt, sodass sie wussten, wo das Überangebot den Preis drücken wird. 

Ein Grund, warum Galena Metals, der hauseigene Hedgefonds, nicht an der Terminbörse zu schlagen war. Bis zum Jahr 2013 lag die Rendite bei 9,4 Prozent/Jahr - 2015 wurde die Sparte geschlossen. Nun sind selbstlernende Computerprogramme an der Reihe, die über alle Warenströme informiert sind, wobei nie eine Ladung Barrel Öl aus Südamerika oder eine Ladung Platin aus Afrika bewegt worden ist. 


Das Geheimnis des Erfolgs? Der Informationsvorsprung 

Tammer Kamel, Gründer und auch Chef von Quandl, einem Researchanbieter, gehört zu den Pionieren. Kamel weiß, dass ein Informationsvorsprung enorm wertvoll ist. Als Kamel noch ein junger Hedgefondsanalyst war, wurde er von Hong Kong aus auf das chinesische Festland geschickt und begann Bauern dafür zu entlohnen, die LKWs zu zählen, die täglichen aus den Fabriken kamen und entlang der Felder fuhren. Heute erwirbt Kamel Rohstoffverladehäfen und Satellitenbilder. In weiterer Folge werden die Fotos dann von Programmen bearbeitet, die selbständig nach Mustern Ausschau halten, sodass der Quandl-CEO weiß, wie viel Eisensatz von Australien nach China gebracht wird. Wer glaubt, hier handle es sich schon um das Maximum, der irrt - viele lernende Algorithmen sind auch in anderen Märkten vertreten. 

Noch bevor Unternehmen die Quartalsberichte präsentieren, wisse die Programme schon, wie die Geschäftszahlen aussehen werden - dies aufgrund der Millionen Datenquellen und Bilder, die einen Hinweis darauf geben, ob das Unternehmen das Ziel erfüllen konnte oder nicht. In weiterer Folge wird dann auf fallende oder steigende Kurse gesetzt. So gingen die Hedgefonds letzten Sommer bei Under Amour auf „Short“, nachdem klar wurde, dass die Zahl der Stelleninserate auf dem Internetauftritt zurückging. Man lag richtig - nach Präsentation des Quartalsberichts stürzte der Aktienkurs um 9 Prozent ab. Aber auch bei Anleihen oder Währungen sind die Trader nicht mehr gespannt, wie es um die offiziellen Daten der Statistikämter bestellt ist - sogenannte „Nowcasts“ messen nämlich die Wirtschaftsaktivitäten permanent und zudem auch live. 


Sind hohe Gewinne nur noch mit Robotern möglich? 

Wer also in naher Zukunft hohe Renditen einfahren will, der muss sich mit intelligenten Quant-Profis, die die künstliche Intelligenz in die Investmentstrategie einfließen lassen, befassen. Doch zu glauben, dass man hier ahnungslos agieren kann, der wird schnell feststellen, dass eine lernende Software auch durchaus das Portfolio zerstören kann. Man muss sehr wohl vorsichtig sein. Denn zu beachten ist, dass die künstliche Intelligenz nur einmal die Sensoren liefert, die in weiterer Folge Signale aus dem Datenchaos aufspüren. Aber natürlich gibt es extrem viele Nebengeräusche, die diese Signale überlagern. 

Das weiß auch Geoffrey Duncombe, Chefanlagestratege bei Two Sigma, der die Meinung vertritt, dass viele Daten keinerlei ökonomischen Wert haben, sondern vorwiegend Katzenfotos oder Teenagervideos sind. Eine Aufgabe für die quantitativen Hedgefonds ist das Aufstöbern des digitalen Golds. Zuständig sind hier Hunderte Wissenschaftler, die Investmenthypothesen entwickeln und testen. Im vergangenen Jahr knackten die Quants zum ersten Mal die eine Billion Dollar-Anlageschwelle - zu den größten Hedgefonds gehören: Bridgewaters Associates, Man Group, AQR, Two Sigma und Renaissance Technologies. 


Veränderungen können zu Problemen führen 

Die Man Group, ein börsennotiertes Unternehmen aus London, ließ die lernenden Roboter mit einem Milliarden-Kapital ausstatten. Im Jahr 2014 startete Fondsmanager Nick Granger mit einem kleinen Teil aus dem AHL Dimension Fund in eine derartige Strategie zu investieren - ein Jahr später konnte durch die Algorithmen eine Rendite von 5 Prozent erreicht werden. In weiterer Folge kam es zum Kundenansturm, sodass das Kapital des Fonds verfünffacht werden konnte - derzeit liege man bei rund 5 Milliarden US Dollar. Problematisch, so Risikomanager Paul Skiba von Berlin Portfolio Management, seien aber Veränderungen. 

„Mit Veränderungen können die KI-Modelle nicht umgehen, weil das Gelernte stark mit den Daten unterfüttert wurde.“ Zahlreiche Verfahren basieren also auf der Annahme, dass dieselben Eingaben letztendlich immer für dieselben Ergebnisse verantwortlich sind. Das heißt, das selbstfahrende Auto wird immer bei jeder Stopp-Tafel halten - ganz egal, ob sich die Stopp-Tafel auf der A-, B- oder C-Straße befindet. Stopp heißt Stopp - so weiß man auch, dass der US Dollar steigt, wann der FED-Zins nach oben klettert. Doch ist das nicht der Fall, so wissen die Maschinen nicht weiter - und genau diese Herausforderung gilt es noch zu meistern.