„Die Konvergenz zwischen künstlicher Intelligenz und Robo-Advisor hat gerade erst begonnen“

100
0
Share:

Interview mit Serge Kassibrakis, Head of Quantitative Asset Management, Mitglied der Unternehmensleitung, Swissquote

Von Elsa Floret – Fotos: Karine Bauzin

Vor allem in Bezug auf das Risikoprofil haben die jüngsten Fortschritte der künstlichen Intelligenz Robotern als automatische Portfoliomanager kräftigen Schub verliehen. Serge Kassibrakis, der das Quantitative Asset Management bei Swissquote leitet, sieht hier enormes Entwicklungspotenzial. Für ihn steht fest, dass die unabhängigen Vermögensverwalter langfristig über sehr leistungsfähige Verwaltungsassistenten verfügen können.

Es gibt mehrere Systeme der künstlichen Intelligenz und des Machine Learning. Können Sie uns erläutern, wo die Forschung in den beiden Disziplinen derzeit steht?
Serge Kassibrakis: Heute wird nicht mehr zwischen künstlicher Intelligenz und Machine Learning unterschieden. Die beiden Begriffe sind synonym. Ich verwende sie unterschiedslos, wenn ich mich auf das Lernverfahren im Allgemeinen beziehe. Allerdings klingt es im Verkauf besser, wenn man von einem Projekt spricht, das auf künstlicher Intelligenz beruht… Das Wort ‘‘Intelligenz‘‘ weckt Träume und Fantasien, aber auch Ängste.
Im Bereich Wealthtech haben wir das gleiche Problem. Der Begriff Robo-Advisor, der einen automatischen Portfoliomanager bezeichnet, hat bei Asset Managern lange Zeit eher Skepsis hervorgerufen. Inzwischen hat sich das relativiert, vor allem dank der Aufklärungsarbeit der Branche, das heisst auch von Swissquote. Es werden Schulungen angeboten zum Thema «digitales Finanzwesen» wie das vom Institut Supérieur de Formation Bancaire (ISFB). Ohne Vorarbeit ist ein Roboter nicht einsatzfähig. Man muss ihn programmieren und Optionen festlegen. Parameter müssen von einem Experten angepasst werden.
Lustig ist, dass diese Begriffe oft verwechselt werden: Viele glauben, dass überall in den Robo-Advisors KI steckt. Das trifft zwar auf einige Roboter zunehmend zu, doch in den Algorithmen, die für die ursprünglichen Robo-Advisors eingesetzt wurden, war lange Zeit keinerlei KI vorhanden. Das allgemeine Grundprinzip der Algorithmen, die Roboter steuern, ist seit 1950 und seit den Arbeiten von Harry Markowitz bekannt. Markowitz wurde später mit dem Nobelpreis ausgezeichnet. Zwar haben sich diese Algorithmen weiterentwickelt, sie sind robuster und schneller geworden, aber das Grundprinzip blieb dasselbe.

Ist Wealthtech eine Chance für die Finanzbranche?
Davon bin ich überzeugt, und einige erfolgreiche Praxisbeispiele bestätigen dies. Ein Asset Manager kann durchaus mit einem Roboter arbeiten. Wenn sich letzterer so konfigurieren lässt, dass er die Verwaltung automatisiert, dann profitiert der Vermögensverwalter von vielen Vorteilen. Ein erklärtes Ziel ist die Zusammenarbeit mit weniger vermögenden, dafür aber umso zahlreicheren Kunden. Ein Asset Manager könnte mit Hilfe des Robo-Advisors mehrere hundert, sogar bis zu tausend Portfolios betreuen. Er könnte durch den Aufbau des Portfolios sicherstellen, dass das Risiko immer der Risikoaversion des Kunden entspricht, und das praktisch in Echtzeit.

Beruht die Wealth Technologie nicht ausschliesslich auf künstlicher Intelligenz?
Nein, es handelt sich um klassische Algorithmen der Suchoptimierung, die folgende Frage beantworten: Wie müssen Anlagen in einem Portfolio bei einem bestimmten Risikoniveau gewichtet werden, damit die erwartete Rendite möglichst hoch ausfällt? Natürlich haben sich die Dinge weiterentwickelt, vor allem die Art und Weise, wie ‚Risiko‘ mathematisch definiert wird. Die Fähigkeit, die Risikoaversion eines Kunden festzulegen, stellt ein zentrales Element des regulatorischen Prozesses eines Vermögensverwalters dar. In der Regel erfolgt diese Etappe anhand eines Fragebogens. Doch kann ein Dutzend Fragen die unglaublich grosse Diversität potenzieller Kunden wirklich effizient erfassen? KI kommt deshalb eine wachsende Bedeutung für Robo-Advisors zu.
Das Startup Neuroprofiler hat sich dieser Herausforderung gestellt und einen Bogen mit zehn Fragen entwickelt. Was man nicht wissen kann: Die Frage in Zeile N hängt von der Antwort ab, die Sie in Zeile N-1 gegeben haben. Das bedeutet, dass Sie zwar einen Fragebogen ausfüllen, dieser jedoch nur ein Teil von 10 Millionen Fragebögen ist. Und der Ihnen vorgelegte Fragebogen ist derjenige, der Ihre Risikoaversion am besten bestimmen kann. Das ist ziemlich brillant. Nach den Retailkunden hat Swissquote diese Lösung ab 2017 auch Vermögensverwaltern angeboten. Mittlerweile nutzen rund zehn Verwalter den SQ-Robo als White-Label-Lösung.

Mit welcher Genauigkeit kann man vorhersehen, wann ein Kunde kaufen oder verkaufen wird?
Für die Prognose des Ungleichgewichts zwischen Käufer und Verkäufer, die wir als ‚Inbalance‘ bezeichnen, wurden zusammen mit den Professoren Damien Challet von der Centrale Paris und Semyon Malamud der École Polytechnique Fédérale de Lausanne (EPFL) Studien durchgeführt. Anhand der Analyse des eForex-Marktes konnten wir nachweisen, dass derartige Prognosen durchaus möglich sind, sogar mit einem hohen Konfidenzniveau. Diese ‚Inbalance‘ ist für uns sehr wichtig, denn sie stellt ein fundamentales Element in der gesamten Theorie dar. Wir können darüber das Risiko dieser Aktivität messen.

Kann man Kontenschliessungen prognostizieren?
Das haben wir versucht, aber ohne Erfolg. Zwar befanden sich die Kunden, die ihr Konto aufgelöst haben, auf den von unseren Algorithmen erstellten Listen, aber es gab auch falsch-positive Ergebnisse – der Algorithmus hat also nicht funktioniert. Höchstwahrscheinlich hätten wir die Leistung durch den Zugang zu erheblich mehr Daten verbessern können.

In wie vielen Jahren wird KI in der automatischen Portfolio-Verwaltung ein Produkt hervorbringen, das mit einem humanen Vermögensverwalter vergleichbar ist?
Wenn es denn einen Bereich gibt, in dem die Experten mit ihren Prognosen falsch liegen, dann hier. Nehmen Sie nur DeepMind von Google, dessen Algorithmus Alphago den GO-Weltmeister geschlagen hatte. Damals hatten alle gedacht, das wäre unmöglich.
Die Konvergenz zwischen Künstlicher Intelligenz und Robo-Advisor hat gerade erst begonnen. Da die KI die Lücken der klassischen Algorithmen ausfüllt, wird man diese Technologie für Warnungen vor einer Änderung der Risikoaversion oder für ein notwendiges Telefongespräch zur Beruhigung eines Kunden oder auch für weiterführende Erklärungen nutzen können.
Allerdings werden Empathie, Zuhören, Blickkontakt, Schweigen oder Lachen so schnell noch nicht generiert oder simuliert werden können. In zehn Jahren vielleicht? Ich weiss es nicht. Allerdings bin ich mir sicher, dass die Konvergenz kommt, vielleicht als Asymptote, aber ohne sich jemals zu berühren.

Sie haben in Physik promoviert, sind Ingenieur für Luft- und Raumfahrt-technik und arbeiten seit 20 Jahren bei Swissquote. Welche Unterschiede sehen Sie bei Ihren Studenten heute in Bezug auf deren KI-Kenntnisse?
Bis vor kurzem wurde KI in verschiedenen Fächern unterrichtet: Mathematik, Robotik, Automatik, Signalverarbeitung… Heute habe ich das Gefühl, dass diese Fächer zusammengefasst und in einer eigenen Disziplin gebündelt werden.
Für mich und die Experten meiner Generation ist es nicht immer einfach, uns wieder in die Theorie einzuarbeiten, während die jungen Leute von einer gut strukturierten erstklassigen Ausbildung profitieren.

Der Robo-Advisor von Swissquote wurde 2010 entwickelt. Er war einer der ersten seines Genres. Wie wird er in zehn Jahren aussehen?
z Es stimmt, es gibt ihn seit 2010, aber den Begriff „Robo-Advisor“ gab es damals noch überhaupt nicht!
Die Idee hatte Marc Burki, unser CEO und gelernter Ingenieur. Bei einer Besprechung, bei der wir ihm eine Lösung zur automatischen Portfolio-Verwaltung vorgestellt hatten, erkannte er sofort das Potenzial, nämlich, dass man die Parameter für Kunden und eine massgeschneiderte Verwaltung nutzen kann.
Es wird eine Konvergenz geben, d.h. der Roboter von Swissquote wird auch künftig unbeschränkt konfigurierbar sein, damit wir bestmöglich auf die jeweiligen Anforderungen unserer Kunden eingehen können. Dank KI werden Kunden ihre eigenen Variablen festlegen können. Höchstwahrscheinlich wird dies in einigen Situationen hilfreich sein. Ich sehe daher zwei Richtungen: zum einen einfachere Roboter mit vorkonfigurierten Portfolios für diejenigen, die weder über Zeit noch Kenntnisse verfügen, zum anderen stärkere Synergien zwischen konfigurierbaren Robotern und Finanzfachleuten, die als Experten auftreten, das heisst als Co-Piloten.
Der Robo-Advisor von Swissquote betreut 2.500 Kunden mit einem verwalteten Vermögen von bis zu 500 Millionen Franken. Ein Viertel dieses Kundenvermögens wird von Asset Managern verwaltet, die mit White-Label-Robotern arbeiten. Da es in der Schweiz 4.500 Vermögensverwalter gibt, dürfte meines Erachtens für diese Art von Robotern ein grosses Potenzial vorhanden sein. Die Zukunft wird es zeigen.

Serge Kassibrakis ist Leiter der Abteilung Quantitative Asset Management von Swissquote. Er kam im Jahr 2001 als Entwicklungsingenieur ins Unternehmen und übernahm 2009 die Leitung des Quantitative Asset Management-Bereichs. Hier arbeiten rund ein Dutzend Wissenschaftler an konkreten Projekten wie Robo-Advisory oder Recommender
System sowie an Forschungsthemen wie Risikomanagement, Kundenverhalten und quantitative Strategien. Kassibrakis ist Absolvent des Institut Supérieur de l’Aéronautique et de l’Espace. Er verfügt
über einen Master in Astrophysik der l’Ecole Normale Supérieure in Lyon und hat in theoretischer Physik an der Université de Provence promoviert. Darüber hinaus ist Serge Kassibrakis Referent am ISFB, und zwar im Rahmen eines Programms über digitales Finanzwesen namens „Machine Learning & Intelligence Artificielle“; Es beschäftigt sich vor allem mit Wealthtech und KI in der Finanzwirtschaft.

Share: