Anzeige

Die Erfolgsgeschichte des Growth Investing ist lang. Viele Technologiewerte – von A wie Apple bis T wie Tesla – waren seit Mitte der 10er-Jahre die absoluten Gewinner an den Börsen und haben vielen Menschen zu satten Gewinnen verholfen. Tesla beispielsweise hat in drei Jahren fast 1900 Prozent zugelegt, Apple immer noch mehr als 250 Prozent. Beim Streamingdienst Netflix waren es in den fünf Jahren vor der einschneidenden Korrekturphase ab Herbst 2021 deutlich mehr als 600 Prozent. Heute liegen viele dieser Werte auf Sicht von drei Jahren und zumeist auch fünf Jahren deutlich im Minus, und die Volatilität von Growth-Titeln ist ebenfalls deutlich gestiegen. Das führt dazu, dass Growth Investing für viele Investoren derzeit nicht die höchste Attraktivität besitzt - ein potenzieller Anlageerfolg muss teuer erkauft werden.

Christian Hintz ist Fondsmanager bei „AI Leaders“

Das gilt auch für einen Spezialbereich wie die Künstliche Intelligenz. Sie ist der große Game Changer in Wirtschaft und Gesellschaft. Geschäftsmodelle und ganze Branchen werden sich durch die Künstliche Intelligenz verändern, und ohne die kontinuierliche Weiterentwicklung dieser Systeme können künftig die gigantischen Datenmengen gar nicht mehr organisiert und genutzt werden.

Auch bei zukunftsreichen Investments nicht die Volatilität aus dem Blick zu verlieren

Diese rasante Entwicklung lässt sich an den Marktdaten ablesen. Bis 2030 erwarten Experten für die Künstliche Intelligenz einen Wertschöpfungsbeitrag zum weltweiten Bruttosozialprodukt in Höhe von 1,2 Prozent pro Jahr. Das sind 13 Billionen US-Dollar und doppelt so viel wie bei den Dampfmaschinen der ersten industriellen Revolution und der allgemeinen Informations- und Kommunikationstechnologie.

Daher gilt die Künstliche Intelligenz als Beginn einer vierten industriellen Revolution und als die herausragende Disruption mit gigantischen Zukunftspotenzialen für Wirtschaft und Gesellschaft. Das führt gleichzeitig zu einer weitreichenden Umsatzsteigerung im Bereich von KI-Anwendungen. Diese betrug 2020 knapp 19 Milliarden US-Dollar und soll 2025 bei rund 90 Milliarden US-Dollar liegen.

Der Einstiegszeitpunkt ist also sehr gut. Aber es kommt eben auch bei so zukunftsreichen Investments darauf an, die Volatilität nicht aus dem Blick zu verlieren. Denn diese existiert zwangsläufig auch in allen Subsegmenten von Growth. Daher müssen die Chancen von Growth, auch mit dem Fokus auf die Künstliche Intelligenz als dem Wachstumsmarkt innerhalb von Growth schlechthin, mit echtem Portfolio-Risikomanagement kombiniert werden.

Aufgrund von wechselnden Marktphasen ist eine statische Asset Allokation selten optimal

Aber was bedeutet das konkret, die Risiken für die Anleger zu begrenzen und gerade in schwierigen Marktphasen die Anzahl und Höhe der Rücksetzer möglichst gering zu halten? Die Vermögensallokation ist entscheidend. Wie anerkannte wissenschaftliche Studien belegen, hängt die Wertentwicklung eines Portfolios wesentlich von der Allokation auf verschiedene Assetklassen ab. Anders gesagt: Auch eine begründete strategische Anlage kann zu ungünstigen Ergebnissen führen. Die strategische Asset Allokation allein garantiert also keinen Anlageerfolg. Sowohl der jeweilige Investitionszeitpunkt als auch die ungleichmäßige Marktentwicklung generieren sehr unterschiedliche Renditen für ein fixes Investment – trotz gleicher Anlagedauer.

Dazu kommt: Aufgrund von wechselnden Marktphasen ist eine statische Asset Allokation selten optimal. Denn während sich die strategische Allokation eines diversifizierten Portfolios an langfristigen Erwartungen orientiert, ändert sich die aktuelle Situation an Finanzmärkten oft unvermittelt. Anlagerisiken steigen häufig schlagartig an mit der Folge, dass Renditeerwartungen illusorisch werden. Die Konsequenz: Eine aktive Steuerung der Asset Allokation ist notwendig, um Risiken im Zeitverlauf zu steuern. Mit quantitativen Methoden, modernen Algorithmen und künstlicher Intelligenz lassen sich Risiken und Wechselwirkungen zwischen Finanzmärkten synchron erfassen und finanzmathematisch abschätzen.

Risikomanagement-Modell muss frei sein von emotionalen Entscheidungen

Die Lösung dafür ist ein wissenschaftlich geprüfter, digitaler Prozess der Risikoüberwachung und Allokationssteuerung. Die Risikomessung dient als Grundlage, während die Identifikation struktureller Veränderungen das Ergebnis dieses Prozesses darstellt. Das Modell „TOPAS“ überwacht und steuert das im Vorfeld definierte Risiko-Ertrags-Profil eines Portfolios mit einem innovativen, durch das statistische Beratungslabor des Instituts für Statistik der Universität München evaluierten Optimierungsverfahren. Das Modell verbindet dabei eine Reihe quantitativer Verfahren, die wissenschaftliche Erkenntnisse renommierter Experten wie Robert F. Engle, John Y. Campbell, Fischer Black und Robert Litterman nutzen. Nach einer individuellen Allokationsberatung und Modellkalibrierung werden mit „TOPAS“ täglich dynamische Risikooptimierungen durchgeführt und gegebenenfalls Reallokationen übermittelt.

Auf diese Weise wird für das ausgewählte Titeluniversum eines Fonds oder eines Vermögensverwaltungsportfolios Tag für Tag die Allokation eines Portfolios balanciert, um den sich jeweils ändernden Marktbedingungen zu entsprechen. Ein solches Modell ist dabei frei von emotionalen Entscheidungen oder typischen Wahrnehmungsverzerrungen beim Versuch, Richtung oder Zeitdauer einer speziellen Marktbewegung zu prognostizieren. Wir zielen nicht auf die Performanceerhöhung ab, vielmehr liegt das Anlageziel in einer hochgradig effizienten Steuerung des Risiko-Rendite-Profils der Gesamtanlage. Auf diese Weise können die Faktorprämien von Wachstumswerten eingenommen werden, während die Volatilität auf einem gesamtmarktüblichen Niveau gehalten wird. Das macht Growth Investing dann auch unter schwierigen Marktbedingungen interessant.

Anzeige

Zum Autor:
Christian Hintz managt den globalen Aktienfonds „AI Leaders“ (WKN: A2PF0M / ISIN: DE000A2PF0M4), der sich entlang der gesamten Wertschöpfungskette der Künstlichen Intelligenz positioniert.

Anzeige