Künstliche Intelligenz ist bereit, die Portfoliomanagementbranche zu revolutionieren. In seiner jährlichen Studie Invesco Global Systematic Investment StudyDer amerikanische Vermögensverwalter Invesco gab bekannt, dass die Hälfte der „systematischen Anleger“ KI in ihr Management integriert. Die Studie stützt sich laut Invesco auf die Ansichten von 130 „systematischen Anlegern“, also Anlegern, die quantitative Modelle und Algorithmen verwenden, um Anlageentscheidungen zu treffen. Die Befragten dieser Umfrage (Pensionsfonds, Vermögensverwaltungsberater, Vermögensverwalter usw.) verwalteten zum 31. März 2023 insgesamt ein Vermögen von 22,5 Billionen US-Dollar.

Abschließend unterstreicht die Studie die wachsende Begeisterung für künstliche Intelligenz, da mehr als die Mehrheit der Anleger (62 %) erwartet, dass KI innerhalb von 10 Jahren auf dem gleichen Niveau sein wird wie die traditionelle Analyse von Investitionsdaten. 13 % der Befragten prognostizierten sogar, dass dies einen größeren Stellenwert bekommen würde. Heute geben 45 % der institutionellen Anleger an, dass sie KI in irgendeiner Form in ihre Anlageprozesse integriert haben, und von denen, die dies nicht getan haben, erwägen 44 % eine Integration. Der Einsatz nimmt bei Händlern zu, von denen 50 % bereits KI einsetzen und 40 % bereits darüber nachdenken.

Chancen und Risiken

Lesen Sie auch:

Generative KI fordert Manager heraus, Daten zu beherrschen

Daher behaupten Investoren, dass die Integration von Tools der künstlichen Intelligenz ihnen ein besseres Verständnis makroökonomischer Variablen ermöglicht. Täglich wird KI eingesetzt, um Markttrends zu erkennen (87 %), die Allokation und das Risikomanagement zu optimieren (86 %) und anschließend Anlagestrategien zu testen (76 %). Allerdings variieren die Perspektiven hinsichtlich des Einsatzes von KI je nach den beiden Arten von Anlegern, die auf der Grundlage der Untersuchung klassifiziert wurden, nämlich Vertriebshändlern (Großhändler) und institutionelle Anleger.

Bei ersteren ermöglicht der Einsatz von KI ein besseres Risikomanagement (76 %) und mehr Flexibilität bei der Anpassung an Marktbedingungen (65 %). Die Kosten für die Implementierung dieser Tools sind jedoch ihre größte Herausforderung (64 %). Gleichzeitig befürchten Einzelhändler, von der Welle KI-basierter Portfoliostrategien mitgerissen zu werden.

„Wenn Ihr Wertversprechen auf der Investitionsauswahl oder der Vermögensallokation beruht, kann dies schnell überflüssig werden, wenn KI-Tools dies besser können. Um widerstandsfähiger zu werden, streben wir daher danach, diese Technologie einzuführen, um effizienter zu werden », fassten die amerikanischen Befragten der Umfrage zusammen.

Black-Box-Effekt

Lesen Sie auch:

Künstliche Intelligenz macht Lust auf Investoren

Andererseits schätzen institutionelle Anleger in 78 % der Fälle die Fähigkeit von KI, in kurzer Zeit präzise Markteinblicke zu liefern. Viele weisen jedoch auch auf die Komplexität und Interpretierbarkeit des Modells hin. Die Studie zeigt, dass Anleger wie Pensionsfonds aufgrund der Notwendigkeit, den Stakeholdern die Mechanismen hinter KI-Modellentscheidungen zu erklären, vor „Box“-Lösungen zurückschrecken.

„Es werden Anstrengungen unternommen, dies zu vereinfachen. Darüber hinaus bleibt die Regulierungslandschaft rund um den Einsatz von KI und die Verantwortlichkeit bei der Entscheidungsfindung unklar», sagt ein Asien-Pazifik-Institutionalist. Daher gibt es in dieser Region die meisten Befragten, die glauben, dass die Rolle der KI in den nächsten 10 Jahren immer wichtiger werden wird. Bis zu 73 % gehen davon aus, dass der Einsatz neuer Technologien genauso groß sein wird wie bei herkömmlichen Methoden, während 20 % davon ausgehen, dass der Einsatz von Technologie viel größer sein wird. Ähnliche Ansichten wurden in Nordamerika vertreten, wobei die Ergebnisse 71 % bzw. 19 % der Anleger repräsentierten. Wesentlich skeptischer ist die Mehrheit (51 %) der Investoren in der EMEA-Region (Europa, Naher Osten und Afrika), die davon ausgeht, dass KI in den nächsten zehn Jahren weniger Bedeutung haben wird als traditionelle Analysemethoden.