FONDS professionell Deutschland, Ausgabe 2/2026

braucht einen gewissen Fokus: Ein neues Signal kommt nur infrage, wenn es wenig korreliert zu den anderen ist und auch für sich allein einen Mehrwert liefern würde. Der KI dagegen können wir Tausende unterschiedliche Datenreihen füttern. Das Modell würde einfach die nutzen, die es als sinnvoll erachtet, und die anderen runterstufen oder ignorieren. Research ist nach wie vor wichtig, aber nicht nur die Qualität spielt eine Rolle, sondern auch die Quantität: 50 bis 100 schwache Signale können eine bessere Wirkung auf das Gesamtportfolio haben als drei oder vier richtig gute. Die wahre Macht des Machine Learning liegt darin herauszu- ljQGHQ ZLH GLH XQWHUVFKLHGOLFKHQ 6LJQDOH miteinander interagieren. Je mehr Signale man hat, umso besser kann das System damit arbeiten. Würde ein Finanzwissenschaftler, der sich das Ganze anschaut, denn noch eine öko- nomischeGrundlageerahnen? 'DV WULȬW GHQ .HUQ XQVHUHU 3KLORVRSKLH Ich habe die meiste Zeit meines Berufs- lebens mit Faktorstrategien gearbeitet, da war das ökonomische Rational entschei- dend. Bei etwa 350 unserer 400 Features kann ich das nach wie vor erkennen. Sie würden für sich allein funktionieren und sind gut untersucht. Aber die restlichen 50 würden isoliert keinen Mehrwert liefern. 'LH 0DVFKLQH ljQGHW MHGRFK LQ .RPELQD - tion mit anderen Signalen entsprechende Zusammenhänge – und zwar statistisch so überzeugend, dass wir genügend Ver- trauen gefasst haben, sie als Input zu nut- zen. Das bedeutet schon eine Änderung GHU 3KLORVRSKLH GLH ZLU IUĞKHU DOV NODVVL - sche „Quants“ verfolgt haben. Es könnte sich auch um Scheinkorrelatio- nenhandeln. Diese Befürchtung hatte ich auch. Ich bin Fußballfan und liebe Statistiken wie die, dass es vermeintlich einen Zusammen- hang zwischen dem Wirtschaftswachs- tum von Großbritannien und Arsenals $EVFKQHLGHQ LQ GHU 3UHPLHU /HDJXH JLEW Die Sorge war, dass unseremModell Ähn- liches widerfährt. Also haben wir eine generative KI etwa 100 Dummy-Features produzieren lassen und ins Modell einge- speist. Interessanterweise hat die KI kein einziges davon benutzt, sondern sie sofort runtergestuft. Kann das erwähnte Alpha denn dauerhaft stabil bleiben? Die Mehrrendite ist überraschend robust. Ein Beispiel: Wenn wir unser Modell mit den Daten der Jahre 2000 bis 2015 füttern, ist das Alpha nicht ganz so hoch wie mit aktuelleren Daten, aber immer noch deut- lich vorhanden. Das spricht schon für eine JHZLVVH 3HUVLVWHQ] (V JLEW YLHOH JXW XQWHU - suchte und bekannte Indikatoren, die heute kaum noch Mehrwert liefern. Aber 0DFKLQH /HDUQLQJ ljQGHW RȬHQVLFKWOLFK weitere vielversprechende Kombinationen – und kreiert so einen neuen Typus Alpha. Ihr Ansatz scheint wie gemacht für einen aktivenETF.DennochbietenSieihnimMan- tel eines klassischen Publikumsfonds an. Warum? Es gibt Argumente für beide Vehikel. In den USA haben wir bereits ETFs mit Stra- tegien lanciert, die mit unseremQuest-AI- Modell gesteuert werden. Bald sollen in Europa UCITS-ETFs folgen, nicht nur für globale Aktien, sondern auch für die USA, Europa und die Schwellenländer, außer- GHP HLQ ([ 86$ 3URGXNW (LQ JHQDXHV $XijDJHGDWXP VWHKW DEHU QRFK QLFKW IHVW VielenDank für dasGespräch. BERND MIKOSCH FP KURZ-V I TA : David Wright DavidWright arbeitetemehr als zwei Jahrzehnte für den US-Asset-Manager Blackrock respektive dessen Vor- gängergesellschaft Barclays Global Investors, zuletzt als Leiter der Produktstrategie imSegment Scientific Active Equity. ImAugust 2022wechselteWright zu Pictet Asset Management, wo er seit April 2025 den Bereich Quantitative Investments verantwortet. » So wie wir KI nutzen, hat das wenig mit Effizienzgewinnen oder einem Sparprogramm zu tun. « David Wright, Pictet AM MARKT & STRATEGIE David Wright | Pictet Asset Management 120 fondsprofessionell.de 2/2026 FOTO: © CHRISTOPH HEMMERICH FÜR FONDS PROFESSIONELL