Mit künstlicher Intelligenz den Markt schlagen: Daran arbeiten die ganz großen der Finanzbranche, zum Beispiel der weltgrößte Vermögensverwalter BlackRock und der britische Hedgefondsbetreiber MAN Group, auf Hochtouren. Künstliche Intelligenz unterscheidet sich von anderen automatisierten Strategien dadurch, dass hier nicht mehr der Mensch entscheidet, nach welchen Regeln die Maschine handelt. Der Mensch gibt nicht mehr eine Strategie vor, die der Computer dann umsetzt, sondern die Maschine lernt (innerhalb eines vom Menschen gesetzten Rahmens) selbstständig, was die beste Strategie ist, um an den Märkten möglichst große Gewinne einzufahren. Auch wenn der Erfolg bisher recht bescheiden ist: In den USA gibt es bereits einen ETF, bei dem eine künstliche Intelligenz die Anlageentscheidungen trifft (siehe: Diese Aktien hat der Supercomputer).

Die Entscheidungen der Computer sind aber nur so gut, wie die Daten, die für ihre Entscheidungen zur Verfügung stehen. Und auch hier tut sich Großes: Hedgefonds werten inzwischen routinemäßig Satellitenbilder aus, um zum Beispiel die Auslastung chinesischer Fabriken zu bestimmen. Oder sie analysieren die Zahlungsströme von Kreditkarten, um zu erfahren, wo und wie viel die Menschen einkaufen. Aber auch das Netz dient natürlich als Informationsquelle für die Maschinen. So hat zum Beispiel BlackRock festgestellt, dass sich anhand der Blog-Posts von Mitarbeitern großer Konzerne bestimmen lässt, wohin die Reise geht: Ist die Stimmung bei den Mitarbeitern gut, dann performen in der Regel auch die Aktien besser, wie BlackRock-Gründer Larry Fink in einem Interview erklärt hat.

Aber um die entsprechenden Datenmengen auszuwerten, ist riesige Rechenpower notwendig. Der AI-Entwickler Sentient Technologies setzt insgesamt zwei Millionen Computer-Prozessoren und mehr als 5.000 Grafikkarten an weltweit 4.000 Orten ein, um nicht nur an den Märkten zu handeln, sondern auch noch neue Krebstherapien zu entwickeln (siehe hier).

Kernstück der Strategie von Sentient Technologies sind sogenannte genetische Algorithmen. Dabei wird die natürliche Selektion im Rahmen der Evolution nachgebildet, um Algorithmen zu erzeugen, die an den Märkten möglichst erfolgreich handeln können. Algorithmen, die gute Ergebnisse liefern, vermehren sich. Algorithmen, die schlecht abschneiden, sterben aus.

Der Ansatz lässt sich inzwischen - allerdings in einem viel kleineren Rahmen - auch von technologisch fitten privaten Tradern anwenden. Möglich macht es das Java-Programm Genotick, das der Entwickler Lukasz Wojtow kostenlos im Internet zur Verfügung stellt.

Auch wenn der genaue Ablauf relativ komplex ist, lässt sich die Grundidee von Genotick relativ einfach erläutern: Das Programm erzeugt eine große Anzahl von "Robotern". Das sind Miniprogramme, die eine Kauf- oder Verkaufsentscheidung treffen. Welche Berechnungen die Roboter genau anstellen, um ihre Entscheidungen zu treffen, ist bei jedem Roboter anders und zufallsbestimmt. Nach jeder Zeiteinheit stimmt die große Anzahl der Roboter ab: Wird der Kurs steigen, oder wird er fallen? Die Mehrheit entscheidet, was die Maschine tut. Entscheidend ist dann aber der folgende Schritt, bei dem die natürliche Selektion im Rahmen der Evolution simuliert wird: Roboter, die gute Prognosen liefern, überleben und können auch Nachkommen erzeugen, die so ähnlich funktionieren wie ihre Erzeuger. Die Roboter, die mit ihren Entscheidungen häufig daneben lieben, sterben irgendwann aus. Am Ende, so die Hoffnung, hat das Programm eine Population aus Robotern erzeugt, die den Kursverlauf möglichst gut vorhersagen kann. Auf der Homepage des Programms stellt der Entwickler einige beeindruckende Resultate bereit.

In einem Praxistest durch GodmodeTrader mit den DAX-Kursdaten seit dem Jahr 1988 konnte dieser Erfolg nicht ganz rekonstruiert werden. Die erzeugte "Roboter"-Population konnte in der Simulation zwar einen Gewinn von 542 Prozent einfahren, wie der folgende Screenshot zeigt.

KI-Wie-Trader-ganz-groß-Kasse-machen-Kommentar-Oliver-Baron-GodmodeTrader.de-1

Damit schnitt das Programm allerdings schlechter ab als ein Buy-and-Hold-Investor, der mit einer Long-Investition im DAX im betrachteten Zeitraum (immerhin 29 Jahre) mehr als 1.100 Prozent verdient hätte. Allerdings muss angemerkt werden: Dem Programm wurden für den schnellen Praxistest ausschließlich DAX-Kursdaten auf Tagesebene zur Verfügung gestellt. Mit zusätzlichen Kursdaten (zum Beispiel auf Tick- oder Minutenebene und mit Kursdaten anderer Basiswerte) sowie fundamentalen Daten könnte die Prognosequalität womöglich noch deutlich gesteigert werden.

Außerdem war die Population mit 10.000 "Robotern" im Test relativ klein, um einen schnellen Abschluss der Berechnungen zu erreichen. Gut möglich, dass sich mit Genotick erheblich bessere Prognosen erzeugen lassen, wenn zusätzliche Daten bereitgestellt und größere Roboterpopulationen erzeugt werden. Dies setzt dann aber auch eine sehr viel größere Rechenpower voraus.

Mit den besten menschlichen Tradern, so zum Beispiel mit den Experten unserer Trading Services, kann es die Genotick-AI wohl noch nicht ganz aufnehmen. Aber es ist nicht ganz auszuschließen, dass in den kommenden Jahren eine KI auch mit den besten menschlichen Tradern gleichziehen kann.