Kunstmatige intelligentie staat op het punt een doorbraak te forceren in de wereld van vastrentende waarden. Dankzij nieuwe AI-tools kunnen beleggers de liquiditeit op de obligatiemarkt beter begrijpen én voorspellen. Voor actieve beheerders en institutionele beleggers die snel willen schakelen kan dat van groot belang zijn.
Anders dan aandelen wordt obligatiehandel grotendeels over-the-counter afgehandeld. Die versnippering, in combinatie met uiteenlopende looptijden en kredietratings, maakt het lastig in te schatten of een obligatie snel en zonder prijsimpact verhandelbaar is. Liquiditeit is essentieel, maar moeilijk meetbaar.
‘De liquiditeit van een obligatie is een lastige zaak, omdat je die eerst moet vinden’, zegt Christian Kronseder, CEO van het Zwitserse fintechbedrijf Allindex. ‘In grote markten zoals de VS of Europa is dat te doen. In kleinere markten zoals Zwitserland kan het ronduit lastig zijn. Liquiditeit is eerder een idee dan een vast gegeven.’
AI brengt snelheid en diepgang
Die complexiteit vraagt om een nieuwe aanpak. AI, in het bijzonder machine learning en deep learning, maakt het mogelijk liquiditeit te analyseren met een snelheid en precisie die voorheen ondenkbaar was. Fintechs zoals Allindex zetten algoritmes in die data van obligatiedealers verwerken: van transactiegrootte tot spreads en historische handelsinformatie. Zo kunnen ze voorspellingen doen tot twee weken vooruit, wat beleggers helpt om beter getimede en beter onderbouwde keuzes te maken.
De kracht zit in de slimme combinatie van modellen. Allindex gebruikt onder meer random forests en XGBoost, relatief eenvoudige AI-technieken die snel, robuust en goed uitlegbaar zijn. Ze worden aangevuld met een LLM (Large Language Model) om extra context te bieden. ‘Het grote voordeel van deze aanpak is dat we kunnen uitleggen waarom een model een bepaalde beslissing neemt’, aldus Kronseder.
Geen black box
Veel AI in de financiële sector draait op complexere modellen, zoals LSTM’s (Long Short-Term Memory) of CNN’s (convolutionele neurale netwerken). Die zijn krachtig, maar moeilijk uit te leggen. En daar wringt het volgens Kronseder: ‘Portefeuillebeheerders moeten hun keuzes kunnen verantwoorden. Black box-modellen zijn dan geen optie.’
Bovendien zijn de modellen van Allindex gebouwd voor de realiteit van de financiële markten: veranderlijk, grillig en allesbehalve statisch. Door een glijdend tijdvenster te gebruiken, past het systeem zich voortdurend aan nieuwe marktomstandigheden aan. Dat maakt de uitkomsten relevanter en bruikbaarder dan bij traditionele modellen.
Liquiditeit als strategische voorwaarde
De praktische toepassingen van oplossingen zoals deze zijn groot. Beheerders kunnen in real-time zien waar liquiditeit zit, welke obligaties beter verhandelbaar zijn, en hoeveel transactiekosten ze kunnen verwachten. Dat vergroot de voorspelbaarheid, verbetert risicomodellen en maakt liquiditeitsstress-scenario’s realistischer. Vooral in markten met lage liquiditeit of hoge renteverschillen biedt dit een strategisch voordeel.
Voor Allindex is dit pas het begin. ‘We bouwen aan een bredere oplossing die helpt bij portefeuilleoptimalisatie en slimmere allocatiebeslissingen’, zegt Kronseder. In volatiele markten kunnen realtime liquiditeitssignalen het verschil maken tussen winst en verlies. Voor multi-asset managers betekent het een stevigere basis voor dynamische herweging en crisisbestendigheid.
Gerelateerde artikelen op Investment Officer:
- De belegger krijgt er met AI een digitale collega bij
- Wat AI wel (en niet) kan in de beleggingspraktijk