Quantitatives Portfoliomanagement hat seine Wurzeln in den akademischen Forschungen zur Finanzmarkttheorie der 60ziger und 70ziger Jahre. Ihre Grundlage war stark von der Überzeugung geprägt, dass Kapitalmärkte zumindest nahezu effizient sind und erwartete Renditen und Risiken durch relativ einfache lineare Modelle modelliert werden können. Tausende wissenschaftliche Arbeiten beschäftigten sich mit der Schätzung von Beta-Koeffizienten und der Identifizierung relevanter Risikofaktoren. Die Ökonometrie spielte eine entscheidende Rolle bei der Entwicklung linearer Modelle und der Bestimmung der Signifikanz von Faktoren.

Im Rückblick erstaunt es oft, wie komplex und mathematisch-statistisch anspruchsvoll versucht wurde, das Verhalten von Anlegern an den Kapitalmärkten in linearen Modellen zu erfassen. Dennoch war nicht alles an diesem Ansatz schlecht, und er hatte einen entscheidenden Vorteil: Die Modelle waren verständlich und erklärbar. Dies war für einen „fundamentalen Quant“ entscheidend. Ein fundamentaler Quant verwendet wissenschaftliche Theorien in Kombination mit empirischen Ergebnissen, um sinnvolle Hypothesen zu entwickeln, die ökonomisch Sinn ergeben. Theorie und empirische Forschung bilden den Rahmen für die Modellentwicklung. Solche Modelle können beispielsweise Hypothesen darüber implementieren, welche Aktien "gut" sind, wann Zinsen steigen sollten oder wann Märkte in die falsche Richtung laufen könnten. Es ist dieser grundlegende Blick auf wirtschaftliche Zusammenhänge, der Quants zu fundamentalen Investoren macht.

In den letzten Jahren hat sich das ökonometrische Instrumentarium erheblich weiterentwickelt. Wenn man sich von den überwiegend theoretisch getriebenen linearen Modellen löst, die oft schon Jahrzehnte alt sind, und sie durch datengetriebene, "lernende" Ansätze ersetzt, kann das wie eine Befreiung wirken. Dabei entsteht eine neue Begriffswelt. Wir sprechen beispielsweise von "Features" anstelle von Faktoren und von "Machine Learning" anstelle von Ökonometrie. Die verfügbaren Methoden reichen von "supervised" bis "unsupervised" und sind vielfältig und komplex.

Die Gefahr besteht jedoch darin, dass man im Dschungel der Daten und Algorithmen den Überblick verliert, wenn das Ziel nur darin besteht, die Prognosequalität zu maximieren. Als Quant, der dem fundamentalen Ansatz treu bleiben möchte, darf man nicht einfach einer "Black-Box" vertrauen. Stattdessen benötigen wir eine "Glass-Box", also eine transparente Methode, bei der wir Ursache-Wirkungs-Zusammenhänge verstehen und erklären können. Ein Portfolio sollte nicht autonom geführt werden. Ein wirklich guter KI-Ansatz im Asset Management zeigt nicht nur den richtigen Weg, sondern erklärt auch, warum er diesen Weg vorschlägt. Idealerweise ist der Ansatz von Grund auf so konzipiert, dass er dem Anwender ermöglicht, sinnvolle und ökonomisch begründete Strukturen in das Verfahren zu integrieren.

Es ist erfreulich, dass es heute Ansätze gibt, die diese Anforderungen erfüllen und gleichzeitig den fundamentalen Blick auf Rendite-Risiko-Beziehungen an den Kapitalmärkten bewahren. Wir bei ansa capital management haben dieses Prinzip bei der Entwicklung eines KI-basierten Aktienselektionsmodell umgesetzt. Wir nutzen innovative KI-Verfahren, haben diese jedoch so adaptiert, dass wir immer ein präzises Verständnis der zugrundeliegenden Zusammenhänge bewahren. Dadurch gelingt uns eine fundamental begründete Aktienselektion, die wir in unserem Fonds „ansa – global Q equity market neutral“ als globale Absolute Return Strategie umsetzen.

Dieses Dokument dient unter anderem als Werbemitteilung.

Dieser Bericht dient ausschließlich der Information und enthält kein Angebot zum Kauf oder eine Aufforderung zur Abgabe eines Kaufangebotes für das vorgestellte Produkt und darf nicht zum Zwecke eines Angebotes oder einer Kaufaufforderung verwendet werden. In die Zukunft gerichtete Voraussagen und Angaben basieren auf Annahmen. Da sämtliche Annahmen, Voraussagen und Angaben nur die derzeitige Auffassung über künftige Ereignisse wiedergeben, enthalten sie natürlich Risiken und Unsicherheiten. Angaben zur historischen Performance können nicht im Sinne eines Versprechens oder einer Garantie über die zukünftige Performance herangezogen werden. Investoren sollten sich bewusst sein, dass die tatsächliche Performance erheblich von vergangenen Ereignissen abweichen kann. Insbesondere, wenn sich die Performance-Ergebnisse auf einen Zeitraum von unter zwölf Monaten beziehen (Angabe von Year-to-date-Performance, Fondsauflage vor weniger als 12 Monaten), sind diese aufgrund des kurzen Vergleichszeitraums kein Indikator für künftige Ergebnisse. Die bei Zeichnungen und Rücknahmen von Anteilen anfallenden Provisionen sowie Kosten werden in der dargestellten Performance nicht berücksichtigt. Alleinige Grundlage für den Anteilserwerb sind die Verkaufsunterlagen zu diesem Fonds. Alle Informationen sind sorgfältig und nach bestem Wissen erhoben worden, jedoch kann keine Gewähr übernommen werden. 

ansa ist Unterzeichner der Principles for Responsible Investment (PRI) und hat sich verpflichtet, bei der Generierung von Anlageentscheidungen einen nachhaltigen Ansatz zu verfolgen. Absolute- und Total-Return-Strategien werden von ansa hauptsächlich über liquide Derivate auf Aktienindizes, Zinsen, Rohstoffe und Währungen umgesetzt. Für diese Produkte sind derzeit nur begrenzte Informationen über implizite Nachhaltigkeitsrisiken und Möglichkeiten zur Auswahl zwischen Alternativen verfügbar. Dementsprechend berücksichtigt ansa bei der Umsetzung von Absolute- und Total Return-Strategien derzeit nicht explizit mögliche negative Auswirkungen auf Nachhaltigkeitsfaktoren. Gerne diskutieren wir mit unseren Kunden, wie nachhaltige Investmentansätze unter Berücksichtigung ihrer Anlagerestriktionen und -ziele umgesetzt werden können. Darüber hinaus beobachtet ansa weiterhin den Markt und wird auch Nachhaltigkeitsfaktoren in seine Strategien implementieren, sobald zusätzliche Informationen und alternative Anlageprodukte, die für die Strategieumsetzung von ansa geeignet sind, verfügbar werden.