Künstliche Intelligenz in der Finanzbranche – KI und Investment = Mensch und Maschine

Die künstliche Intelligenz ist auf dem Vormarsch – auch auf den Finanzmärkten. Eine richtig entworfene und mit der ausreichenden Menge an Daten unterfütterte Intelligenz ist ein nachhaltig erfolgreiches Instrument, um Voraussagen über Kursentwicklungen zu treffen und damit Gewinn zu erzielen.

Künstliche Intelligenz beruht auf leistungsfähigen und erprobten Algorithmen, einer großen Menge an Daten und vor allem auf der permanenten Optimierung von Entscheidungen durch Machine Learning. Sie entwickelt anhand großer Datenmengen Algorithmen zur Prognostizierung einer normalen Preisentwicklung. So unterscheidet sie schon kleine Über- und Unterbewertung vom eigentlich realistischen Marktwert und nutzt sie aus.

KI auf dem Vormarsch. Auch im Investment gibt es eine Nachfrage nach künstlicher Intelligenz. Schon menschliche Portfoliomanager haben sich kontinuierlich bemüht, ihre Entscheidungskriterien immer weiter zu formalisieren. Individuelle Marktkenntnis, Erfahrung, Emotionen oder das Bauchgefühl lagen oft richtig, oft aber auch falsch. Um bessere und sachgerechte Entscheidung zu treffen, analysierten Fondmanager mehr Daten und formalisierten Investoren ihre Entscheidungsregeln und entwickelten Regelsysteme. Doch Menschen sind bei dieser Aufgabe allein angesichts der schieren Datenmenge überfordert. Allein in der der ersten Handelsstunde der New York Stock Exchange werden zum Beispiel 300 Millionen Datenpunkte generiert – bei dieser Menge ist der Mensch schlichtweg chancenlos gegen eine Maschine. Diese kann neben der Analyse dann auch auf Kommando des menschlichen Investors hin die sich daraus ergebenden Transaktionen automatisch ausführen.

Big Data als Informationsbasis der KI. Der Anteil der KI an der formalisierten Entscheidungsfindung wächst daher immer weiter. Dafür untersucht künstliche Intelligenz als einschlägig erkannte Parameter, deren Wechselwirkungen sowie die sich daraus ergebende Normalentwicklung auf die Preise. Intelligente Maschinen filtern dadurch selbst geringste kurzfristige Markt- und Preis-Unregelmäßigkeiten, die zu falschen Investmententscheidungen führen können, heraus und ergreifen die Chancen dieser Volatilität.

Die relevanten Faktoren für Preisentwicklungen erkennen die KI und ihre Algorithmen durch die Auswertung immer größerer Datenmengen. Mit immer geringeren Anforderungen an die Rechenressourcen lassen sich immer größere Datenmengen in Near-Real- oder Real-Time zur Definition der relevanten Parameter nutzbar zu machen. 

Viele Faktoren können aber eine Auswirkung auf Preis- oder Kursentwicklungen haben. Dazu gehören nicht nur Finanzdaten, sondern alle Informationen, die den Markt beeinflussen können – etwa Wetterdaten für den Getreidepreis. Doch nur dieser eine Faktor reicht nicht aus. Gutes Wetter ergibt zum Beispiel potenziell eine gute Weizenernte. Aber steigende Subventionen von Biotreibstoffen machen nun den Markt für Ersatztreibstoffe attraktiver, mehr Ackerfläche wird für die Ethanolproduktion genutzt: Weizen sowie Nahrungsmittel werden teurer. Monokausalität ist nie eine Erklärung und zu einfach für die KI.

 

Die Entwicklung unterschiedlicher Märkte im Jahr 2018.

Die Entwicklung unterschiedlicher Märkte im Jahr 2018.

 

Mustersuche am Beispiel Kryptowährungen. Künstliche Intelligenz untersucht solche Muster für Kursentwicklungen. So gibt es Algorithmen, die auf Volatilitätsmuster – also hohe Kursschwankungen – spekulieren und diese zielbewusst ausnutzen. Unter Einsatz statistischer und mathematischer Modellierungstechniken, eigener Datenvisualisierungssoftware, Software zur Mustererkennung und maschineller Lerntechniken oder durch die Prognose der Verhaltenstendenzen von Marktteilnehmern sucht KI permanent nach statistischen Marktanomalien. Denn diese deuten auf Volatilitäten hin, die ein KI-Investor unter Vorwegnahme der zu erwartenden Kurskorrektur ausnutzen kann.

Die Suche nach solchen Mustern ist auch wichtig für die Bewertung neuer Märkte, für die noch nicht viele Metadaten vorliegen, wie zum Beispiel die noch jungen Kryptowährungen. Dieses Segment mit seiner im Vergleich etwa zum Getreidemarkt oder zum Goldmarkt willkürlich erscheinenden Wertzuweisungen ist schwieriger zu bewerten. Weil es jünger ist, ist die Datenbasis geringer. Außerdem ist der Markt nicht vollständig reguliert: Wie sich Teilnehmer verhalten werden, ist daher recht unklar. Gerade bei Meldungen über Marktereignisse oder neue gesetzliche Regelungen reagieren Token-Besitzer oft deutlich. Coins sind zudem Spekulationsobjekte mit hoher Volatilität. 

Für die Beurteilung von Kursentwicklungen im Kryptobereich setzt eine KI effektiv auf Trends der Preisentwicklung. Junge, unreifere Märkte wie die neuen Währungen sind zwar volatiler, zeichnen sich aber dabei durch stabilere und stärker ausgeprägte Trends aus. So muss gerade bei einem ICO von einer hohen Volatilität und schnellen Wiederabverkäufen von Token ausgegangen werden: Der schnelle Anstieg kommt oft vor der folgenden Kurskorrektur. Dabei wird sich ein Coinkurs normalerweise aber in einem bestimmten Preiskorridor bewegen, der sich aus dem bisherigen Wertverhältnis zu anderen Währungen ergibt. Die Anzahl von Transaktionen in einer Kryptowährung dokumentiert die Akzeptanz eines Coins und spricht für einen ansteigenden Preis. Eingeschränkte Rechenzeit oder geringe Rechenressourcen können die Menge der verfügbaren Coins begrenzen und damit eine digitale Währung rar und damit teuer machen.

Mensch und KI. Der effektivste Weg für die Suche nach den ausschlaggebenden Faktoren einer Preisbewegung ist die Zusammenarbeit zwischen Mensch und KI. Bei hybriden Mensch-Maschine-Ansätzen geben Wirtschaftsexperten und Informatiker der KI und der Maschine mutmaßlich relevante Faktoren vor, deren Korrelation zu prüfen ist. Die Maschine kann im Anschluss Preisentwicklungen beurteilen. 

Der Mensch kann aber auch die KI darüber hinaus steuern und für sie Schwerpunkte setzten, in dem er Funktionalitäten einer KI ab- oder wieder anschaltet. Damit agiert der Nutzer als Regulator und vermeidet eine Überfütterung der KI mit Daten. Zudem kann der Mensch den realistischen Schwankungsgrad eines Parameters vorab definieren. So wird er zum Beispiel die Berücksichtigung utopischer Ölpreise bei der Musterberechnung ausschließen und damit auch Rechenkapazität einsparen. So hilft er der KI bei ihrer Fokussierung und verhindert zugleich, dass die Auswirkungen eines Parameters überschätzt werden.

KI kann abweichende Preisentwicklungen besser und früher erkennen sowie schneller handeln als ein Portfoliomanager. Wichtig ist aber, dass die KI dennoch nicht völlig alleine für sich handelt. Der Mensch »erzieht« die KI, in dem er ihr etwa Hinweise auf mögliche Parameter für Kursentwicklungen gibt, die die Maschine dann untersucht. Der Mensch gibt dabei niemals die Kontrolle aus der Hand, weil er Transaktionen auch stoppen kann.


Stefan Tittel,
CEO Rise Wealth
Technologies

 

 

 

 

Illustration: © BomMan /shutterstock.com

 

1099 Artikel zu „künstliche intelligenz“

KI befeuert Meetings: Drei Gründe, warum künstliche Intelligenz kreative Teamarbeit fördert

Welche Aufgaben können KI-Technologien in Meetings übernehmen, um Mitarbeiter zu entlasten und mehr Raum für Ideen zu schaffen? An künstlicher Intelligenz führt kein Weg vorbei. Das haben mittlerweile auch die meisten Befragten einer internationalen Umfrage erkannt, die IDG im Auftrag von LogMeIn durchgeführt hat. KI-gesteuerte Kommunikationswerkzeuge spielen für Unternehmen der unterschiedlichsten Branchen demnach eine immer…

Unternehmen brauchen für künstliche Intelligenz eine klare Strategie

Unternehmen sehen KI als entscheidende Schlüsseltechnologie, haben aber häufig keine Strategie. Datenverfügbarkeit, Datenqualität und mangelnde Datenarchitektur bremsen KI-Projekte aus. Qualitäts- und Kostenziele stehen primär im Fokus der Unternehmen.   Unternehmen in Deutschland sind sich einig: künstliche Intelligenz (KI) ist die entscheidende Schlüsseltechnologie und wird bereits in den kommenden Jahren großen Einfluss auf Geschäftsmodelle und Unternehmensprozesse…

Künstliche Intelligenz benötigt gigantische IT-Ressourcen aus der Cloud

Die Ausbreitung der künstlichen Intelligenz (KI) wird zu einer massiv steigenden Nachfrage nach mehr Rechenleistung und Speicherkapazität aus der Cloud führen. »KI betrifft alle Bereiche der Informationstechnologie und kann nur erfolgreich genutzt werden, wenn entsprechende Kapazitäten zur Verfügung stehen. Das ist mit unternehmenseigenen Rechenzentren in der erforderlichen Qualität und dem nötigen Service nur mit hohem…

Erfolgsfaktor Mensch: Künstliche Intelligenz hebt Kundenansprache auf eine neue Ebene

Im Zeitalter der künstlichen Intelligenz (KI) wird die intelligente Automatisierung zum Eckpfeiler vieler Customer-Experience-Strategien. Dennoch sollten Marketingexperten und Firmenentscheider die Menschen hinter den Bots nicht vergessen: Talentierte und engagierte Mitarbeiter sind das A und O reibungsloser Kundenansprache und langjähriger Kundentreue. Es gilt, das perfekte Zusammenspiel von künstlicher und menschlicher Intelligenz zu finden.   Bereits 57…

Ersetzt künstliche Intelligenz das Security Operations Center?

Künstliche Intelligenz (KI) ist nicht mehr nur eine Vision. KI, maschinelles Lernen (ML), Deep Learning (DL) und andere Formen algorithmisch basierter, automatisierter Prozesse sind heute Mainstream und auf dem Weg zu einer tiefgehenden Integration in ein breites Spektrum von Front-Office-, Back-Office- und In-the-Field-Anwendungen. Ebenso gibt es viele gute Beispiele dafür, wie KI eingesetzt wird, um…

Ein Viertel der Menschen bevorzugt Cybersicherheit durch künstliche Intelligenz

Über die Hälfte der Befragten sieht die Verantwortung für ihre Online-Datensicherheit bei sich selbst.   Palo Alto Networks hat in Kooperation mit YouGov und Dr. Jessica Barker, einer britischen Expertin für das Verhalten von Menschen im Zusammenhang mit Cybersicherheit, eine Online-Studie mit mehr als 10.000 Befragten in der EMEA-Regioni durchgeführt [1]. Dabei wurde die Einstellung…

KI-Umsatz: Künstliche Intelligenz rechnet sich

Ist künstliche Intelligenz (KI) die Zukunft? Darauf gibt es zwei Antworten: ja, vielleicht, wenn damit echtes intelligentes Verhalten gemeint ist und ja, ganz bestimmt, wenn damit Advanced Analytics und Machine Learning gemeint sind. Im letzteren Sinne beeinflussen KI-Anwendungen schon heute die Entwicklung von Industrien und Branchen. Das geht aus einer Analyse des Startups Appanion hervor…

Künstliche Intelligenz hängt noch immer in den Startlöchern fest

Viele Unternehmen denken darüber nach, künstliche Intelligenz zu nutzen. Wirklich im Einsatz sind bislang aber nur vereinzelt KI-Anwendungen.   Das ist das Ergebnis einer aktuellen Studie des IT-Dienstleisters adesso zum Status quo. adesso wollte wissen, welche Technologien rund um künstliche Intelligenz Unternehmen bereits einsetzen, welche Strategien sie verfolgen und wo sie die größten Herausforderungen sehen.…

Wie künstliche Intelligenz Rechenzentren beeinflusst

Künstliche Intelligenz hat die Science-Fiction längst verlassen und ist – mehr oder weniger unbemerkt – Teil unseres Alltags geworden. Diese Entwicklung bleibt auch für Rechenzentren nicht ohne Folgen – sie könnten einerseits von KI profitieren, müssen aber andererseits andere Architekturen aufweisen. Die richtige Verkabelung spielt dabei eine entscheidende Rolle. Schon 1968 hielt künstliche Intelligenz (KI)…

Mythos künstliche Intelligenz – eine kritische Betrachtung des Hypes

Übernehmen die Maschinen? Es herrscht große Unsicherheit darüber, wie der Einsatz künstlicher Intelligenz, maschinellen Lernens und Automatisierung unseren Arbeitsalltag beeinflussen wird. Lernexperte Skillsoft sprach mit Datenwissenschaftlern und entmystifiziert den KI-Hype. Was verstehen Experten unter den Begrifflichkeiten, welche Entwicklungen haben den großen Aufschwung rund um den Einsatz von KI und Co bewirkt und warum bleiben gut…