13. ACATIS-Value-Konferenz in Frankfurt am Main am 20.5.2016
Finanztechnologien für das Value-Investieren
Unternehmensbewertung mit Deep-Learning-Netzwerken
Rechner lernen lesen - und sie verstehen auch
Richard Koo fordert staatliche Investitionen statt Austerity
Frankfurt am Main, 23. Mai 2016 (mpr) - Finanztechnologien,
konkret die Einbindung maschineller rechnergestützter
Auswertungstechniken in immer noch von Menschen dominierte
Investmentmodelle, waren das Kernthema der diesjährigen
Acatis-Value-Konferenz in Frankfurt am Main am 20. Mai 2016 mit
rund 150 institutionellen Investoren. Veranstalter Dr. Hendrik
Leber würzte die Konferenz darüber hinaus mit einer Prise
"Deficit Spending" in Person des taiwanstämmigen Ökonomen
Richard C. Koo, der sich dezidiert dafür aussprach, in Europa
die fehlende private Nachfrage durch staatliche Investitionen
auszugleichen und dazu auch den Maastricht-Vertrag zu ändern,
anstatt immer mehr Geld zu Niedrigzinsen in den Bankensektor zu
pumpen, das in der Realwirtschaft nicht anlangt.
Leber erläuterte zunächst den Stand der Erkenntnisse zum
muster- und regelbasierten Verhalten von Menschen und berichtete
über aktuelle Entwicklungen bei Acatis. Kevin Endler, für die
Modulor-Reihe bei Acatis verantwortlich, stellte anschließend
vor, wie eine Unternehmensbewertung mit Deep Learning-Netzwerken
funktioniert. Danach präsentierte Roland Schweter von Acatis
Research Neues zur maschinellen Textanalyse, und Christian
Osendorfer von Nnaisense berichtete über Ergebnisse aus dem
Quantenstein-Projekt (Deep Learning für das Value Investieren).
Im Nachmittagsprogramm thematisierte Andreas Kern, der Gründer
und CEO von wikifolio, welche Erkenntnisse und
Anwendungsmöglichkeiten sich aus den Daten von wikifolio.com
ergeben. Dr. Carsten Otto, Agile Software Engineer bei andrena
objects, schilderte im Anschluss die Funktionsweise der Bitcoin-
und Blockchain-Technologien. Richard C. Koo, Chefökonom des
Nomura Research Institute in Tokio, Berater von Zentralbanken und
Politikern, beleuchtete abschließend die immer wieder gleichen
Muster der Bilanzrezessionen in USA, Japan und Deutschland seit
den dreißiger Jahren.
Muster und Regeln
"Menschen sind schlichte Gemüter, sie generalisieren, wo sie
nur können und behalten das bei, solange es Erfolg hat", so
Leber. "Wir Menschen überschätzen unsere intellektuellen
Fähigkeiten. Wir lernen im Laufe des Lebens, Muster zu erkennen
und reagieren darauf in vorhersehbarer Weise. Wir meiden
bestimmte Situationen, genauso wie wir die heiße Herdplatte zu
vermeiden gelernt haben. Und wir entwickeln Werkzeuge, um
unbekannte Situationen zu analysieren, zu kategorisieren und zu
strukturieren. Nur selten wird unser Handeln von abstrakten
Prinzipien geleitet. Gut gewählte Leitprinzipien aber machen
unser Leben erfolgreicher - sei es beim Investieren, im Beruf
oder bei der Partnerwahl." Für Leber geht es angesichts des
technischen Fortschritts in der Bild- und Texterkennung darum,
sich schon jetzt auch im Investmentbereich die Fähigkeiten der
Roboter zunutze zu machen, um nicht von der fortschreitenden
Entwicklung abgehängt zu werden. "Investoren sind
Mustererkenner, und warum sollen uns Maschinen nicht dabei
helfen, mehr Muster in kürzerer Zeit zu erkennen?" Hilfe bei
der Analyse will Leber gerne von Maschinen annehmen, aber die
letzte Entscheidung möchte er auf absehbare Zeit lieber selber
treffen. Acatis setzt bisher drei unterschiedliche
Computermodelle ein, die zum einen Vorschläge und Ideen für
qualitative Strategien liefern, andererseits komplette
quantitative Portfolios wie Modulor oder Quantenstein Junior
generieren.
Unternehmensbewertung mit Deep Learning Netzwerken
Wie maschinelles Lernen und Mustererkennung durch künstliche
neuronale Netze des "Deep Learning" in einigen Disziplinen den
Menschen bereits übertreffen, darüber berichtete der
Mathematiker Kevin Endler, Portfoliomanager für die Produktreihe
"Acatis Modulor" und gleichzeitig Geschäftsführer der
Acatis-Beteiligungsgesellschaft Quantenstein GmbH.
Deep-Learning-Systeme folgen keinen vorgegebenen Regelwerken,
sondern sollen durch Beobachtung, Nachahmung und Überprüfung an
der Realität immer treffsicherer werden - und das funktioniert
tatsächlich. Einen ersten praktischen Versuch, zugänglich für
die Öffentlichkeit auf wikifolio.com, hat Acatis bereits im
Projekt "Quantenstein Junior" umgesetzt. Acatis setzt bisher
vier herkömmliche Bewertungsmodelle ein -
fundamental-langfristig nach Penman, eine einfache Formel, eine
empirisch gewonnene Kombination von sechs Summanden aus der
Bilanz und ein statistisches Random-Forest-Modell aus 14
Variablen der Bilanz und Gewinn- und Verlustrechnung. Deep
Learning soll nun ein fünftes Modell beisteuern. Die ersten
Ansätze liefern bereits vereinzelt Ideen für die
Aktienselektion. Verblüffend, dass ein solches sich selbst
trainierendes System Apple als Luxusgüterunternehmen
klassifizier, nicht als IT-Konzern - was viele Nicht-Apple-Fans
schon immer ahnten.
Rechner lernen lesen - und auch verstehen
Roland Schweter von der Acatis Research GmbH in Bochum ist
Germanist und Computerlinguist und befasst sich seit zwei
Jahrzehnten mit Herausforderungen der Informationstechnologie
für die Textanalyse. Dabei sucht und findet er lohnende
Investment-Strategien, indem er umfangreiche Geschäftsberichte
und Finanznachrichten analysiert. Neu ist, dass nun auch Texte,
nicht nur Zahlen analysiert werden - ganz nach dem großen
Value-Investoren-Vorbild Warren Buffett, der dem Hörensagen nach
täglich rund 30 Geschäftsberichte liest.
Deep-Learning-Techniken sind auch hier am Werk, z.B. den
Wikifolio-Datenset mit zurzeit rund 300.000 Kommentaren zu
analysieren - täglich kommen rund 350 hinzu. Referenzdaten
liefert die komplette deutsche Wikipedia. Die Maschinen -
Server mit mehreren hochleistungsfähigen Grafikkarten, die dank
spezieller Programme die Rechenarbeit erledigen - lernen und
entwickeln selbstständig semantische und syntaktische
Eigenschaften, mit denen sie die Bedeutung von Begriffen und
Texten erkennen können. Die codierten Texte können dann
arithmetisch weiterverarbeitet werden - beispielsweise "König
- Mann + Frau = Königin". Schweter sieht seine Forschung auf
gutem Weg, "Aussagen mit gleicher Bedeutung, aber
unterschiedlichen Wörtern werden als ähnlich erkannt." Auf
sehr kurze Sicht von einem Tag liegt die Trefferquote zwischen
Nachrichten-Sentiment und Wikifolio-Performance bereits bei einem
beachtlichen Wert von 58 Prozent, um auf mittlere und lange Sicht
wieder abzusinken. "Wir werden weitere Text-Corpora einbeziehen
und längere Zeithorizonte untersuchen, um so alle Arten von
Wirtschaftsnachrichten und -berichten für das
Value-Investieren nutzbar zu machen."
Quantenstein: Deep Learning für das Value-Investieren
"Langfristig wollen wir mit Quantenstein die menschliche
Intelligenz beim Value-Investieren übertreffen", so Christian
Osendorfer von Nnaisense SA, Lugano, über die erste Phase des
Projekts Quantenstein, einer Kooperation von Acatis und
Nnaisense. Osendorfer hat schon zuvor tiefe Netze erfolgreich zur
Anomalie-Erkennung in Zeitreihen, zur Textanalyse und für
Aufgaben aus dem Bildverstehen verwendet. "Es ist immer so,
dass einfache Einheiten komplexe Strukturen formen." Bei
Quantenstein wird neben Deep Learning auch das evolutionäre
Reinforcement Learning (RL) angewandt, also Prüfung und
Selbstverstärkung durch entsprechende Algorithmen - "wobei
wir an der maschinellen Überprüfung der Ergebnisse noch
intensiv forschen."
Investieren mit Social-Media-Techniken: wikifolio.com
Wikifolio kombiniert die individuelle Geldanlage mit den
Prinzipien der Schwarmintelligenz und der sozialen Medien.
Anleger sollen vom frei zugänglichen Wissen aller Trader
profitieren, umgekehrt sollen Trading-Talente ("Hidden
Champions") entdeckt werden. Wie das in der Praxis funktioniert
und was die Daten von wikifolio.com auszeichnet, erläuterte
Andreas Kern, Gründer und Geschäftsführer der wikifolio
Financial Technologies AG, der seine Plattform zu den Top 3 bei
den Asset-Sammelstellen in Deutschland zählt. Gehandelt werden
die Konstrukte als Zertifikate über die Börse Stuttgart. Laut
Kern weisen schon die heute existierenden Wikifolios höhere
Erträge als herkömmliche Fondsstrategien auf, bei allerdings
auch deutlich höheren Risiken. Laut einer von Kern zitierten
Studie des World Economic Forum werden Techniken wie bei
Wikifolio zu erheblichen Erosionen des herkömmlichen
Anlagemarktes führen, den Wert menschlicher Vermögensberater
verringern und die Markteintrittschranken für neue
Investmentberater deutlich verringern.
Bitcoin und Blockchain - sicher und entwicklungsfähig?
Dr. Carsten Otto, Agile Software Engineer bei der andrena objects
ag (Frankfurt), erläuterte die Mechanismen der
Blockchain-Technologie, mit der versucht wird, ein weltweit
verwendbares dezentrales Zahlungssystem zu etablieren. Anhand des
Beispiels Bitcoin wurde diskutiert, ob diese Mechanismen
Sicherheit bieten, und welche neuen Möglichkeiten sich daraus
entwickeln könnten. Dabei sind die Bitcoin und Blockchain nicht
zwingend miteinander verbunden - so ließe sich die zur
Dokumentation verwendete Blockchain auch als globale,
irreversible, dezentrale und zugangsfreie Buchhaltungs-Datenbank
verwenden, die möglicherweise ganze Schichten der bisherigen
Finanzindustrie in der Wertpapier- und Derivateabsicherung
überflüssig machen könnte. Nicht umsonst arbeiten 22 weltweit
(MORE TO FOLLOW) Dow Jones Newswires
May 23, 2016 08:10 ET (12:10 GMT)
© 2016 Dow Jones News
