Was ist maschinelles Lernen?
Maschinelles Lernen (ML) ist ein Bereich der künstlichen Intelligenz, in dem ein Computer die Art und Weise imitiert, wie Menschen aus Erfahrung lernen. Dabei wird ein Computer darauf trainiert, anhand von Daten Vorhersagen oder Entscheidungen zu treffen anstatt ihn explizit darauf zu programmieren, Anweisungen zu befolgen. Dieses Training wird wiederholt, um die Leistung des Computers schrittweise zu verbessern.
Als Privatpersonen profitieren wir bereits täglich von maschinellem Lernen, zum Beispiel, wenn wir Musik mit intelligenten Lautsprechern hören, dank Streaming-Empfehlungen einen Film auswählen oder über unsere Lieblingsapp die beste Route wählen.
1. Nach unserem Dafürhalten ist über kurze Zeithorizonte das Anlegerverhalten der Haupttreiber für die Aktienrenditen der Unternehmen – und nicht die Fundamentaldaten der Unternehmen. | 2. Um aus diesem Verhalten die Stimmungslage abzuleiten und zu prognostizieren, ist ein breites Spektrum von Daten mit höherer Frequenz erforderlich. | 3. Hier bietet sich künstliche Intelligenz als leistungsfähiges Tool an, das eine breite Palette von Merkmalen kombiniert und auf dieser Grundlage das Anlegerverhalten schnell und effizient bewerten und genaue Prognosen erstellen kann. |
Unser Investmentansatz
Das Quest Investmentteam hat ein eigenes innovatives Modell für die Titelauswahl entwickelt, das KI zur Vorhersage der relativen Aktienrenditen nutzt.
- Dieses Modell verwendet Hunderte von Merkmalen, die aus einem breiten Spektrum von Daten wie Fundamentaldaten, Analystenstimmung, Kursen und Marktaktivitäten, Short-Interesse und Kalendereffekten entwickelt wurden.
- Die Prognosen werden regelmässig aktualisiert und in einem eigenen Optimierungstool mit Risiko- und Kostenschätzungen kombiniert, die von den Portfoliomanagern überwacht werden, um den Marktbedingungen besser Rechnung zu tragen.
- Wir wenden auch Pictet-weite ESG-Ausschlüsse und eine ESG-Ausrichtung basierend auf einem proprietären ESG-Scoring-Modell an.
Index-Aktiensätze | Enhanced Index | Traditionelles Aktives Aktienportfolio | |
---|---|---|---|
Gewünschter Tracking Error | Sehr niedrig | Niedrig | Mittel bis hoch |
Aktive Rendite | Ähnlich wie bei Benchmark | Angestrebt wird eine langfristige Outperformance | Potenziell höhere, aber weniger konstante Erträge |
Absolutes Risikoprofil | Ähnlich wie bei Benchmark | Ähnlich wie bei Benchmark | Mittel bis hoch |
Kosten | Niedrig | Niedrig | Mittel bis hoch |
Konzentration | Niedrig | Niedrig | Mittel bis hoch |
Unser Team
Unser Quest-Team besteht aus 20 Experten mit einer durchschnittlichen Branchenerfahrung von über 15 JahrenStand: 01.04.2024. Sie verfügen über Kompetenzen in den Bereichen Modellbildung, Feature Engineering, KI/ML, Risikomanagement, Portfoliokonstruktion und -implementierung.
Ihre Expertise basiert auf wissenschaftlicher Forschung, mit Fokus auf ML-basierter Titelauswahl – wir wollen transparent und keine „Blackbox“ sein. Belegt wird dies durch Forschungsbeiträge, die von ausgewiesenen Experten validiert wurden„Performance attribution of machine learning methods for stock returns prediction“, Stéphane Daul, Alexandra Nagy und Thibault Jaisson, veröffentlicht im Journal of Finance & Data Science in April 2022, und „Deep differentiable reinforcement learning and optimal trading“, Thibault Jaisson, veröffentlicht im Quantitative Finance Journal im Juni 2022. und die unser Team in bekannten Finanz- und Wirtschaftsblättern veröffentlicht hat.
Lead Portfolio Manager für Quest AI-Driven ist Stéphane Daul.