AI Robotic Trader – Eine neue Ära im Wertpapierhandel?


Die Digitalisierung hält mit ungeheurer Geschwindigkeit Einzug ins Assetmanagement. Dabei sind an kaum eine Technologie derart hohe Erwartungen geknüpft, wie an die Künstliche Intelligenz.

Schon heute können Trader und Kunden in partiellen Bereichen auf die Unterstützung von Robo-Advisorn zurückgreifen. In absehbarer Zukunft könnten Algorithmen eine neue Ära im Wertpapierhandel einläuten. Das Zukunftsszenario verspricht Handelsentscheidungen unabhängig von Emotionen wie Euphorie und Panik, das Erkennen nichtlinearer Muster sowie Handlungsentscheidungen in Echtzeit.

Doch wie weit sind die technischen Möglichkeiten schon fortgeschritten? Welche Chancen und Hindernisse bestehen noch auf dem Weg ins Zeitalter der Robo-Händler? Ein Experiment gibt Aufschluss.

Design eines KI-Robotic Traders

Mithilfe eines Deep Learning Algorithmus wurde ein KI-Trader mit historischen Daten gefüttert und angelernt. Bereits nach kurzer Zeit war dieser in der Lage, den Handel am Wertpapiermarkt selbstständig durchzuführen. Der Begriff „KI-Robo“ wird allerdings nicht einheitlich definiert. Je nach Rechenkapazität und Training, gibt es gravierende Unterschiede in Bezug auf Qualität der Robos und deren Entscheidungen. Low-Level-Roboter besitzen nur eine geringe Kapazität, während Roboter auf höheren Ebenen bedingt durch enorme Kapazitäten eine hohe Qualität bieten, allerdings auch hohe Kosten bei der Programmierung und im Betrieb mit sich bringen.

Niedrig klassifizierte Roboter können daher lediglich als Beratungstool dienen, um einige spezielle operative Fragen zu beantworten. Keinesfalls sollten diese Roboter aber für den automatisierten Handel verwendet werden. Um unabhängig von menschlichen Entscheidern agieren zu können, benötigen Robos bereits eine sehr fortgeschrittene Rechenleistung und Komplexität.

Drei Testroboter für den Währungshandel

Für das Experiment wurden drei separate Robos entwickelt, die auf den Währungshandel zwischen den Leitwährungen Dollar, Euro und Pfund spezialisiert waren. Gespeist wurden die Algorithmen mit neuesten Marktnachrichten, die Relevanz für die Entwicklung der Währungskurse besaßen. Nach 24 Tagen waren die Roboter in der Lage, unter Berücksichtigung der neuesten Marktgegebenheiten profitable Operationskommandos zu erteilen. Die drei kooperierenden Roboter übertrafen 95 Prozent der menschlichen Leistung im gleichen Zeitraum.

Die verwendeten Roboter gehörten zur Klasse Level 7, einer nach oben hin offenen Skala. Level 7 beschreibt die erste, komplett selbstständig agierende Robo-Kategorie. Untersucht wurden darüber hinaus auch kompliziertere Roboter (Level 26). Im Fokus der Analyse stand der Eintritt eines klassischen „Schwarzer Schwan-Phänomens“ – die unerwartete Entscheidung über den Austritt Großbritanniens aus der EU. Ereignisse wie diese bringen in der Regel völlig irrationale Marktentscheidungen mit sich. Daher sollten die Roboter, unabhängig von der Richtung des Marktes, profitablen Währungshandel betreiben. Mit einem erstaunlichen Ergebnis: Großbritannien gab seine Entscheidung bekannt, die EU zu verlassen, EURUSD ging zurück und XAUUSD stieg extrem an. Die Roboter im Experiment waren in der Lage, beide Marktbewegungen ohne Vorabinformationen aus Berichten oder Nachrichten zu erfassen. In nur einer Nacht konnten sie rund 20 Prozent Gewinn erzielen. Ein Ritterschlag für den Reifegrad der Künstlichen Intelligenz.

Hindernisse auf dem Weg zum KI-Trader

Es stellt sich die Frage, warum KI trotz dieses Potenzials noch nicht flächendeckender zum Einsatz kommt. Die Antwort darauf ist recht einfach: Komplexität und Kosten stehen dem (noch) im Wege.

High-Level-Roboter besitzen eine hohe Kapazität und sind damit sehr komplex. Mit der gesteigerten Rechenleistung geht daher zum heutigen Zeitpunkt noch ein massiver Anstieg der Betriebskosten einher. Wenn starke Funktionalitäten hinzugefügt werden, um mit komplexen „Schwarzer Schwan-Ereignissen“ umzugehen, dann steigen neben der Komplexität auch die Ausgaben exponentiell. Die erwirtschafteten Gewinne an den Märkten werden somit durch die anfallenden Kosten wieder aufgewogen oder gar übertroffen.

Außerdem können KI-Robos immer lediglich das, was Menschen ihnen beigebracht haben: Namentlich, taktische Lösungen handhaben oder liefern. Strategische Operationen, wie zum Beispiel das Festlegen von Ausführungen, die den gesetzlichen Bestimmungen entsprechen, müssen von Menschen vordefiniert werden. Wenn diese Fragen eines Tages an die KI übergeben wird und Algorithmen alle Entscheidungen anstelle von Menschen treffen, müssen zwei Dinge berücksichtigt werden:

  • Erstens wäre die Komplexität der KI unglaublich hoch – Kosten für Bau und Unterhalt könnten nur noch von Staaten oder ähnlich hohen Institutionen getragen werden
  • Zweitens sind KI-Roboter für das Ausprobieren und Lernen unter klar definierten Umständen konzipiert. Heißt Schlupflöcher oder Lücken im System würden ohne Zögern genutzt – Folgen dieses Verhaltens sind schwer vorherzusagen, da sie für jeden Experten noch völlig unbekannt sind

Zukünftig wird sich der Kostennachteil durch den technologischen Fortschritt schon in den nächsten Jahren relativieren. Künstliche Intelligenz wird in der Folge an Bedeutung für das Assetmanagement gewinnen und auch an der Schnittstelle zum Kunden zum Einsatz kommen. Darüber hinaus müssen sich die Unternehmen über die Konsequenzen für ihre Organisation und die Gesellschaft klar werden. Ein massiver Einsatz von KI hat direkte Auswirkungen auf Kultur und die Arbeitsinhalte von Menschen. Dieser Wandel muss bewusst abgefedert werden, um Menschen von den Chancen der neuen Technologie zu überzeugen.

Autor: Longfei Lu, Consultant beim Beratungsunternehmen Capco – The Capital Markets Company.