In zehn Jahren werden Algorithmen nicht nur die Risiken an der Börse abschätzen, sie könnten sich hitzige Debatten mit interdisziplinären ExpertInnen-Teams zur besten Anlagestrategie liefern. Wir haben einen Experten dazu befragt, ob und wie so ein Szenario denkbar wäre.

Dr. Ulrich Stephan ist Chef-Anlagestratege der Deutschen Bank für Privat- und Firmenkunden. Er erklärt, warum das Konzept von Prediction Markets nicht so einfach auf den Aktienmarkt übertragen werden kann, – aber wie Künstliche Intelligenz zusammen mit Schwarmvorhersagen Finanzmarktprognosen in Zukunft durchaus erfolgversprechend unterstützen könnten.

Herr Stephan, wie funktionieren exakte Prognosen für den Finanzmarkt?

(lacht) Da muss ich sofort einhaken, denn exakte Prognosen für den Finanzmarkt gibt es nicht. In der Effizienzmarkthypothese, die der amerikanische Nobelpreisträger Eugene Fama 1970 aufgestellt hat, wird das sehr gut erklärt. Darin geht es um die Informationen, die in Aktienkursen enthalten sind. Finanzmärkte sind effizient, weil neue Informationen sehr schnell inkorporiert werden (nicht, weil sie immer richtig liegen). Da die neuen Informationen im Vorhinein unbekannt sind, weiß man nicht, in welche Richtung sich der Kurs verändert. Das bedeutet, dass Meinungen und Prognosen nur aufgrund der Informationen gebildet werden können, die zum Zeitpunkt der Prognoseerstellung zur Verfügung stehen. Ändern sich die Informationen, ändert sich auch die Lage. Meinen Kunden sage ich: Sie müssen Risiken managen und nicht die Performance, weil das schlichtweg nicht geht.

Viele behaupten, dass sie Prognosen für den Markt abliefern können. Was ist an solchen Aussagen dran?

Sicher ist nur der risikolose Zins. Und der liegt in Europa wahrscheinlich im negativen Bereich. Wenn jemand Ihnen 1 % Rendite oder mehr verspricht, ist das definitiv ein Scharlatan. Für jeden Basispunkt Performance über dem risikolosen Zins müssen InvestorInnen in irgendeiner Form Risiken eingehen, wie zum Beispiel die Laufzeit, bestimmte Anlageklassen, Produkte oder bestimmte Regionen. InvestorInnen sollten also weniger über Erträge nachdenken, sondern eher Risiken beurteilen und diese bewusst eingehen, wo man meint, diese einschätzen zu können.

Was ist das Problem bei einer Risikoeinschätzung?

Man hat nur dann die Möglichkeit, Wahrscheinlichkeiten für das Eintreten zukünftiger Ereignisse zu beziffern, wenn sich die Rahmenbedingungen für diese Ereignisse nicht ändern. Das ist wie beim Würfelspiel. Mit einer Wahrscheinlichkeit von eins zu sechs wird immer eine der Zahlen erscheinen. Wenn jedoch an den Ecken des Würfels gefeilt wird und ich nicht weiß, wie sich das auf das Ergebnis auswirkt, kann ich die neue Wahrscheinlichkeit nicht berechnen. Und so verhält es sich auf dem Finanzmarkt, da wird überall am „Würfel” gefeilt und keiner weiß, wie sich das auswirken wird. Deshalb unterscheidet man in der Entscheidungstheorie zwischen Risiko und Unsicherheit. Beim Risiko können wir Wahrscheinlichkeiten angeben, bei Unsicherheiten nicht. In einer unsicheren Welt kann man nur mit Heuristiken arbeiten.

Der britische Ökonom John Maynard Keynes auf dem Time Magazine. Bild: Time Magazine – December 31, 1965

Inwieweit beeinflusst sich der Schwarm der AnlegerInnen an der Börse gegenseitig?

Der britische Ökonom John Maynard Keynes hat das sehr gut in seinem Spieltheorie-Experiment von 1936 erklärt. Die Börse wird darin wie ein Preisausschreiben eines Schönheitswettbewerbs in einer Zeitung beschrieben. Dort werden verschiedene Teilnehmerinnen mit Fotos abgebildet und die LeserInnen dürfen entscheiden, wer die Attraktivste ist. Diese Art der öffentlichen Schönheitswettbewerbe klingt heute ziemlich chauvinistisch, war damals aber tatsächlich üblich. Die LeserInnen, die im Vorfeld auf die richtige Frau getippt haben, bekommen einen Preis. Keynes argumentiert, dass in diesem Szenario die LeserInnen nicht mehr aus ihrer subjektiven Sicht auf die hübscheste Kandidatin wetten, sondern sie wählen diejenige aus, von der sie glauben, dass die Mehrheit der LeserInnen sie am schönsten findet. Das ist an der Börse nicht viel anders. Man versucht auch immer das Verhalten aller anderen AnlegerInnen mitzubedenken. Besonders ersichtlich ist es bei den IPOs, den „Initial Public Offerings“ beim Börsengang einer Firma.

Wie kann Schwarmintelligenz für Anlagenbewertungen dann funktionieren?

Dazu braucht es ExpertInnen mit fundierten und begründeten Meinungen zu einem Thema, am besten mit verschiedenen Blickwinkeln und aus unterschiedlichen Disziplinen. So ergibt das Wort Schwarmintelligenz aus meiner Sicht überhaupt einen Sinn, wenn die Meinungen unabhängig voneinander gebildet werden. Das funktioniert bei homogenen Teams nicht. In dem Moment, in dem jeder weiß, wie der jeweils andere denkt, wird sie oder er ein Stück weit beeinflusst. Deswegen brauchen wir eine gewisse Ambiguität und Meinungsvielfalt.

Die fehlende Unabhängigkeit voneinander verhindert damit kollektive Einschätzungen?

Wir benötigen eine intellektuelle Eigenständigkeit. Auf neue Lösungen kommen wir nur, wenn jede und jeder seine eigene Meinung einbringt und die aus möglichst unterschiedlichen Richtungen kommt. Dafür braucht man heterogene Teams. Wenn das gelingen würde, könnte ich mir vorstellen, dass diese Art von Schwarmintelligenz stärker berücksichtigt wird.

  „Wir brauchen mehr heterogene Teams im Finanzmarkt.“

“Wenn alle wissen, was der richtige Kurs ist, dann findet kein Handel mehr statt. Dann wäre die Börse obsolet”, so Dr. Ulrich Stephan, Chef-Anlagestratege der Deutschen Bank Bild: MerowingerNB

Wie setzen Sie Algorithmen bei der Risikoeinschätzung ein?

Wir haben bei der Deutschen Bank einen Robo Advisor. Dafür setzen wir eine Allokation auf, das bedeutet die Aufteilung zwischen riskanten und weniger riskanten Anlageklassen. Dann startet der Algorithmus und passt die Verteilung aufgrund seiner Risiko-Arithmetik laufend an. Das Problem ist jedoch, dass bei unsicheren Situationen diese Allokationen sehr stark aus dem Risiko herausgehen. Da beispielsweise die Volatilität ein wichtiger Inputfaktor für ein hohes Risiko des Portfolios für den Algorithmus ist, schichtet dieser bei entsprechend hoher Volatilität von risikoreichen Papieren in vermeintlich risikolosen Papieren um. Je nachdem, wie hoch die Volatilität mit einem Kursrutsch verbunden ist, geht der Algorithmus sehr stark aus dem Risiko. Typischerweise findet aufgrund der historischen Daten, die diese Algorithmen nutzen, aber nur zeitversetzt eine Wiederanlage statt. Das Erholungspotenzial des Portfolios ist somit begrenzt. Diesem Umstand tragen wir bei der Deutschen Bank insofern Rechnung, dass wir die Startallokation, mit der der Algorithmus optimiert, jeden Monat neu setzen. Daher sehen wir uns genau an, wie sich der Algorithmus verhält. Wenn der Algorithmus eine Risikowarnung abgibt, nehmen wir das auf und handeln entsprechend.

Welches Potenzial sehen Sie für Machine Learning für den Finanzmarkt in zehn Jahren?

Algorithmen können aufgrund von historischen Daten ziemlich gut Risiken einschätzen. Was heutige Algorithmen nicht gut können, ist die Ertragsseite erfassen. Und womit sie natürlich gar nicht umgehen können, sind Trendbrüche durch sich ändernde Bedingungen am Finanzmarkt, wie anfangs anhand des Würfelbeispiels erläutert. Ebenfalls eine Auswirkung auf die Märkte haben auch unvorhergesehene politische Entwicklungen, wie wir das gerade bei Russland und der Ukraine beobachten können. Das bedeutet, dass kurzfristige Prognosen nicht möglich sind. Wir müssen eher langfristig überlegen, wo Chancen liegen und wo Risiken, die wir bewusst eingehen wollen. Algorithmen können Risiken ganz gut erfassen, die Chancen eher nicht. Daher empfehlen wir bei der Deutschen Bank auch die Kombination aus Investments in aktiv gemanagten Fonds und durch den Roboadvisor.

Was wäre, wenn es für den Anlagemarkt in Zukunft akkurate Schwarmvorhersagen gäbe?

Eine Implikation der Effizienzmarkthypothese ist auch: Wenn alle wissen, was der richtige Kurs ist, dann findet kein Handel mehr statt. Dann wäre die Börse obsolet. Daher braucht der Aktienhandel unterschiedliche Impulse und Meinungen. Am Ende werden Märkte nicht gut prognostizierbar sein, weil Menschen sehr unterschiedlich und irrational handeln und sich permanent auf neue Gegebenheiten einstellen müssen. Viele AnlegerInnen schauen stark auf historische Performance-Zahlen und leiten daraus zukünftige Kursentwicklungen ab, anstatt sich auf die Risikoabwägung zu verlassen. Außerdem wird es immer unterschiedliche Risikopräferenzen der AnlegerInnen geben sowie die einschränkende Regulatorik, welcher institutionelle Investoren wie Versicherungen, Stiftungen und Pensionskassen unterliegen.

Heißt das im Umkehrschluss, dass auch technologische Innovationen an dieser Dynamik nichts ändern werden?

Wir beobachten derzeit, dass die Instrumente zur Datenverarbeitung und daraus resultierend zur Risikokalkulation immer genauer werden. Möglicherweise werden dann Finanzinstrumente eingesetzt, welche die Kalkulation von Risiken besser steuern. Das würde allen AnlegerInnen zugutekommen. Aber, dass ein Tool vorhersagen kann, wo die Aktie X oder der Markt Y in einem Jahr stehen wird, halte ich für sehr unwahrscheinlich.

Morgen werden die Risiken an der Börse von der KI Hand in Hand mit interdisziplinären Teams eingeschätzt. Übermorgen könnten die Einschätzungen nicht nur für die Aktien sein, sondern auch, wie wertvoll ein CEO für ein Aktienunternehmen ist – oder ob er ersetzt werden sollte.

2050 haben viele Gemeinden das Konzept von Prediction Markets für die Kommunalpolitik übernommen. Sie haben sich für eine neue Art der Demokratie entschieden: Futarchy bedeutet, die Politiker überlassen das Entscheiden den ExpertInnen der Prediction Markets und setzen den Ausgang einer Wette zugunsten des Allgemeinwohls pragmatisch um.

Der moderne Verfechter der Prognosemärkte ist Wirtschaftsprofessor Robin Hanson von der George-Mason-Universität. Sein Konzept der „Futarchy“ formulierte er zwar erstmals im Jahr 2000. Doch erst 50 Jahre später, 2050, wird der Einsatz von Prediction Markets vermehrt auf kommunaler Ebene von Stadtverwaltungen wie auf überregionaler Ebene bei mehreren Bundesländern ernsthaft umgesetzt.

Wirtschaftsprofessor Robin Hanson ist der moderne Verfechter der Prognosemärkte. Sein Konzept der „Futarchy“ formulierte er erstmals im Jahr 2000. Bild: Andy Miah

Wetten auf den Bau einer Schnellstraße

Das Konzept klingt in folgendem Szenario einleuchtend: Eine Gemeinde lässt über Vorhaben in einem Prediction Market wetten. Möchte sie zum Beispiel eine neue Schnellstraße zur Gemeinde bauen, um mehr Touristen anzulocken, stimmen ExpertInnen mit zwei Wetten im Prediction Market ab. Bei der ersten Wette wird gewettet, ob eine neue Straße den erhofften Touristenzuwachs haben wird oder nicht. Bei der zweiten Wette wird abgestimmt, ob die Gemeinde auch ohne die neue Straße mehr Touristen bekommen wird oder nicht.

Hanson sieht in der Demokratie von 2022 Lücken: Oft wurden Richtlinien und Gesetze wider besseren Wissen eingeführt. Nicht nur hätten es oft die Politiker vorher besser wissen müssen, auch die zur Beratung herangezogenen sogenannten ExpertInnen haben offensichtlich nicht die Konsequenzen einbezogen beziehungsweise dabei nur an ihre eigenen Interessen gedacht. Das Problem in einer Demokratie war, dass nicht alle verfügbaren Informationen für eine Meinungsbildung zugänglich gemacht wurden. Jedoch konnten das die Wettmärkte liefern, in denen sich die MitspielerInnen eine Expertise zum Thema angeeignet haben und gleichzeitig politisch unvoreingenommen handeln.

Im Futarchy Konzept würde eine Gemeinde zum Beispiel darüber Wetten abschließen, ob der Bau einer neuen Schnellstraße zu einem Touristenzuwachs führen würde. Bild: Leslie Wong

„Wähle Werte, aber lass auf Überzeugungen wetten.”

Bei dem Beispiel mit der Schnellstraße zur Gemeinde haben die ExpertInnen des Prediction Markets im Gegensatz zu den LokalpolitikerInnen keine Benefits in der Angelegenheit: Sie haben keine Beziehung zur lokalen Baufirma und ihnen gehört auch nicht das Stück Land, auf dem die Straße gebaut werden könnte. Sie entscheiden also unvoreingenommen von außen. Robin Hanson sagt: „Wähle Werte, aber lass auf Überzeugungen wetten.” Wähle also deine LokalpolitikerInnen, aber gib die kommunalen Entscheidungen an unabhängige ExpertInnen eines Prediction Markets ab.

„Lasst uns Wettmärkte zu den kontroversesten Fragen schaffen und die aktuellen Marktquoten als unseren besten ExpertInnenkonsens behandeln. Die wahren Expertinnen (vielleicht Du) würden dann für ihren Beitrag belohnt, während ahnungslose Gelehrte sich fernhalten.“ – Robin Hanson

Robin Hanson argumentiert, dass bei ernsthaften Prediction Markets die Laien schnell wegbleiben, da sie ziemlich sicher um ihr Geld gebracht werden. Nur die wirklichen Profis wetten um ihr Geld. Dieses Konzept ließe sich auf die Politik übertragen, um die Demokratie zu optimieren: Im Prediction Market wird etwa darauf gewettet, ob eine neue Richtlinie das Allgemeinwohl der Bürger hebt oder nicht, und ob das Allgemeinwohl ohne die neue Richtlinie steigt oder nicht. Daraufhin entscheidet sich die Stadtverwaltung beziehungsweise die Landesregierung für oder gegen diese Richtlinie.

Es gibt keinen Krieg – der ist für die Bevölkerung zu teuer

Eine von Futarchy bestimmte Politik würde auch ganz anders bei außenwirtschaftlichen Beziehungen handeln müssen. Das Ergebnis: Es gibt keine Kriege mehr – die Politik handelt nur noch für das Gemeinwohl der BürgerInnen, für eine Gewinnmaximierung des Landes und nicht mehr aus strategischen Lenkungen heraus. Kriege sind zu teuer und verschlechtern das Bruttoinlandsprodukt. Hinzu kommen Sanktionen und teurere Preise für Energiequellen. Deswegen investiert das Land das Kriegsbudget besser in den Ausbau seiner maroden Infrastruktur wie den Brücken.

CEOs werden bei Unrentabilität für die Firma ausgewechselt

Auch in der Geschäftswelt hat Hansons These viele Anhänger überzeugt: Es wird immer öfter zur Praxis, in regelmäßigen Abständen auf die Zukunft eines Unternehmens zu wetten. Auf einem Prediction Market wird darüber gewettet, wie viel ein Unternehmen an Wert verliert, sollte der CEO dieses nach einem Quartal verlassen. Aus dieser Wette schlussfolgert sich nämlich der Wert eines CEOs für die Firma. Je nach Wettausgang kann der Aufsichtsrat des Unternehmens entscheiden, ob er den CEO feuert oder nicht. Diese Methode ist disruptiv und hat bereits ein paar Firmen völlig umgekrempelt – manche zum Guten, manche haben jedoch die schnellen Führungswechsel nicht gut verkraftet.

Deswegen verweigern sich die großen Konzerne dieser neuen Unternehmensführung bislang. Sie wollen sich nicht von einem Prediction Market einen Realitätsabgleich und etwaige Konzernfehler vor Augen führen lassen und bleiben lieber bei ihren alten Entscheidungen. Denn sie haben sich einmal eine Meinung gebildet und die bleibt unumstößlich.

Dabei wurde doch vor Jahren bereits bewiesen, dass diejenigen die beste Vision für die Zukunft haben, die ihre Meinung ständig den aktuellen Gegebenheiten anpassen können und sich ihrer eigenen Voreingenommenheit bewusst sind. Doch diese Konzerne halten unbeirrbar an den beschlossenen Gegebenheiten fest, während andere in einer dynamischen Welt an ihnen vorbeiziehen. Ob diese Firmen auch auf lange Sicht noch eine Zukunft haben, darauf bleibt zu wetten.