KI entlarvt Fondsmanager: 71 Prozent sind berechenbar

Harvard-Forscher trainieren neuronales Netzwerk mit 33 Jahren Börsendaten – und entlarven die Mehrheit aktiver Fondsmanager als vorhersagbar. Nur die unberechenbaren 29 Prozent schlagen den Markt wirklich.

Ein neuronales Netzwerk der Harvard Business School durchleuchtet 33 Jahre Handelsdaten – und kommt zu einem ernüchternden Ergebnis: 71 Prozent aller Trades aktiver Fondsmanager folgen erkennbaren Mustern. Die KI prognostiziert korrekt, ob ein Manager kauft, verkauft oder hält. Was bedeutet das für eine Branche, die sich über Expertise und Intuition definiert? Dass der Großteil der hochbezahlten Profis ersetzbar sein könnte.

Die Methode: Machine Learning trifft auf drei Jahrzehnte Börsendaten

Professor Lauren Cohen und sein Team fütterten das Modell mit Informationen aus den Jahren 1990 bis 2023. Fondsgröße, Kapitalflüsse, Aktiencharakteristika, makroökonomische Rahmenbedingungen – das System lernte aus Millionen von Datenpunkten.

Das Ergebnis laut Private Banking Magazin: Bei mehr als zwei Dritteln aller Portfolioanpassungen lag die KI richtig. Fondsmanager agieren offenbar weniger individuell als gedacht.

Wo Mehrrendite wirklich entsteht: Die unberechenbaren 29 Prozent

Die Studie deckt auf, wo echter Alpha generiert wird: bei den 29 Prozent der Trades, die das neuronale Netzwerk nicht vorhersagen konnte.

Wer gezielt auf Fonds mit unberechenbaren Managern gesetzt hätte, erzielte 4,24 Prozentpunkte Mehrrendite pro Jahr. Die Botschaft ist klar: Messbare Outperformance entsteht dort, wo Manager von Mustern abweichen. Berechenbarkeit korreliert mit Mittelmäßigkeit.

Mid-Cap-Blend-Fonds: Am durchschaubarsten

Nicht alle Fondstypen sind gleich transparent für Algorithmen. Mid-Cap-Blend-Fonds erreichten eine Trefferquote von 75 Prozent – Spitzenreiter in Sachen Vorhersagbarkeit. Auch die Top-Positionen im Portfolio sind leichter zu antizipieren als kleinere Beteiligungen.

Bei den Aktien selbst zeigen sich Muster: Value-Titel mit hohem freien Cashflow, hoher Ausschüttungsquote und niedriger Kapitalumschlagshäufigkeit sind für die KI leicht zu prognostizieren. Growth-Aktien, Unternehmen mit hohen Forschungsbudgets oder Gewinnüberraschungen bleiben schwerer kalkulierbar.

Business Punk Check

Die Harvard-Studie entlarvt eine unbequeme Wahrheit: Die meisten aktiven Fondsmanager rechtfertigen ihre Gebühren nicht. Wenn 71 Prozent der Trades von einer Maschine vorhergesagt werden können, braucht es keine teuren Experten mehr. Die Finanzbranche verkauft seit Jahrzehnten Expertise, die größtenteils auf Standard-Mustern basiert. Wer wirklich Alpha generiert, sind die Ausreißer – jene 29 Prozent, die gegen den Strom schwimmen.

Für Anleger bedeutet das: Entweder in passive ETFs investieren oder gezielt nach Managern suchen, deren Verhalten nicht vorhersagbar ist. Die Mittelklasse der Fondsbranche wird durch KI obsolet. Wer als Manager überleben will, muss beweisen, dass er zur unberechenbaren Minderheit gehört. Alle anderen sind Kandidaten für Automatisierung. Die Disruption der Asset-Management-Industrie hat begonnen – und sie wird schonungslos sein.

Häufig gestellte Fragen

Welche KI-Tools können Anleger nutzen, um berechenbare Fondsmanager zu identifizieren?

Aktuell gibt es keine öffentlich zugänglichen Tools, die auf der Harvard-Methode basieren. Anleger können jedoch auf Plattformen wie Morningstar oder Bloomberg nach Fonds mit hoher Active Share und niedriger Korrelation zu Benchmarks suchen. Diese Kennzahlen deuten auf unkonventionelles Verhalten hin. Wer Zugang zu institutionellen Datenbanken hat, kann Tracking Error und Information Ratio analysieren – hohe Werte signalisieren Abweichung von Mustern.

Sind passive ETFs jetzt die bessere Wahl als aktive Fonds?

Für die Mehrheit der Anleger: ja. Wenn 71 Prozent der Fondsmanager-Entscheidungen vorhersagbar sind, rechtfertigen sie keine Gebühren von 1,5 bis 2 Prozent pro Jahr. ETFs kosten oft unter 0,2 Prozent und bilden den Markt ab. Nur wer gezielt unberechenbare Manager identifiziert, sollte aktive Fonds wählen. Die Studie zeigt: Durchschnittliche aktive Fonds sind ihr Geld nicht wert.

Wie erkennt man unberechenbare Fondsmanager in der Praxis?

Suche nach Managern mit langen Track Records, die regelmäßig gegen Konsensmeinungen wetten. Hohe Konzentration auf wenige Positionen, Investitionen in unbekannte Small Caps oder antizyklisches Verhalten sind Indikatoren. Meide Fonds mit hoher Diversifikation und Benchmark-Nähe – das sind Zeichen für Musterverhalten. Unberechenbarkeit zeigt sich in Volatilität und Abweichung vom Index.

Was kostet die Implementierung von KI-gestützten Anlagestrategien für institutionelle Investoren?

Die Entwicklung eines neuronalen Netzwerks wie im Harvard-Modell erfordert Millionen-Budgets für Dateninfrastruktur, Machine-Learning-Experten und Rechenleistung. Kleinere Asset Manager können auf externe Anbieter wie BlackRock Aladdin oder MSCI Barra zurückgreifen – Lizenzkosten starten bei sechsstelligen Beträgen jährlich. Für Privatanleger bleibt der Zugang vorerst verwehrt, bis Robo-Advisor entsprechende Algorithmen integrieren.

Wird KI aktive Fondsmanager komplett ersetzen?

Nicht komplett, aber die Branche wird schrumpfen. Die berechenbaren 71 Prozent sind Automatisierungskandidaten. Übrig bleiben jene Manager, die durch unkonventionelle Strategien, Netzwerke oder Insiderwissen echten Mehrwert schaffen. Die Finanzbranche wird sich polarisieren: Günstige passive Produkte auf der einen Seite, hochspezialisierte Boutique-Fonds auf der anderen. Die Mittelklasse stirbt aus.

Quellen: Private Banking Magazin, Harvard Business School