Kapitalanlagen erweisen sich als eine der größten Herausforderungen für maschinelles Lernen. Im laufenden Jahr haben viele von Künstlicher Intelligenz (KI) gesteuerten Fonds schwächer abgeschnitten als der Aktienmarkt insgesamt: "Das Hauptproblem sind die Finanzmarktdaten", sagt Bryan Kelly, Leiter maschinelles Lernen bei AQR Capital Management. "Im Gegensatz zu Fotos, Straßenverkehrsinformationen oder Schachspielen sind Marktdaten endlich und die Algorithmen können nur aus der Entwicklung in der Vergangenheit lernen."

Zudem sehen Experten ein Problem für KI darin, dass viele Daten an den Finanzmärkten ungenau und nicht immer eindeutig zu interpretieren sind. Zudem kommen neue Faktoren hinzu, die die Märkte beeinflussen – Beispiel Twitter und Trump: "Dieses Jahr war eine Herausforderung für KI-Fonds", sagt Nicky Indradi, Analyst bei Eurekahedge. "Es ist wahrscheinlich das erste Mal in der Geschichte der USA, dass ein Präsident solche Sachen twittert." Er ist aber optimistisch, dass Maschinen künftig in der Lage sein werden, auch solche Einflüsse zu verstehen und zu deuten.

Scharfe Trendwende war ein Problem
Auch Boyan Filev, Co-Leiter quantitative Aktien bei Aberdeen Standard, gibt sich zuversichtlich: Der Vorteil des maschinellen Lernens beim Portfoliomanagement bestehe darin, dass es sich dem Markt anpasst und im Laufe der Zeit besser wird. Die Underperformance des Aberdeen KI-Fonds sei vor allem auf die herausfordernden Märkte zurückzuführen, die 2019 bei vielen Quant-Fonds zu Verlusten geführt haben. Vor allem die scharfe Trendwende nach dem Bärenmärkt Ende 2018 sei für die KI-Steuerung schwierig nachzuvollziehen gewesen. (Bloomberg/fp)