Kunstmatige intelligentie in portfoliomanagement is disruptief, maar het is nog steeds de mens achter de machine die de touwtjes in handen heeft. Investment Officer sprak met Erhard Radatz, Global Head of Portfolio Management bij Invesco, over de voornamelijk complementaire rol van mens en machine.
Sinds de jaren zestig is de rol van de mens in beleggen ter discussie gesteld. Te vaak worden rationele beslissingen verdrongen door emoties van de mens, wat ten koste gaat van het rendement. Statistische modellen, zoals die van Fama-French, dienen om menselijke fouten zoveel mogelijk te elimineren uit het beleggingsproces. De opkomst van kunstmatige intelligentie wordt door sommigen gezien als het laatste zetje om de menselijke factor volledig uit het beleggingsproces te verdrijven.
Volgens Radatz, die na zijn studie natuurkunde de overstap maakte naar de financiële wereld, is niets minder waar. Als quant-belegger is hij zich zeer bewust van zowel de mogelijkheden als de beperkingen van kunstmatige intelligentie. Radatz beheert de Invesco Quantitative Strategies ESG Multi-Factor Equities UCITS ETF. Deze actieve ETF combineert actief beleggen met de verhandelbaarheid van een ETF. Radatz en zijn team sturen het fonds kwantitatief aan op basis van de factoren waarde, kwaliteit en momentum, met gebruik van kunstmatige intelligentie.
Mens stuurt, machine voert uit
Radatz en zijn team blijven het brein achter de beleggingsstrategie. Zo stellen zij de beleggingshypothese op, waarna zij het AI-model aan het werk zetten. ‘Als we positief gestemd zijn over een sector, kunnen we het model bijvoorbeeld laten kiezen tussen twee aandelen. De uitkomst hiervan wordt door ons niet overruled.’
Bij de introductie van nieuwe technologieën is er steeds weer het streven naar een harmonieuze balans tussen mens en machine. ‘De uitdaging is om het maximale uit de technologie te halen en zo tot een optimale portefeuillemix te komen. Je zou het kunnen vergelijken met een chef-kok die het beste uit zijn ingrediënten moet halen. Alleen het hebben van goede producten is niet voldoende om tot een goed gerecht te komen. Het samenstellen van een goede portefeuille blijft weggelegd voor de mens en dat zal ook nog vele jaren zo blijven’, aldus Radatz.
De resultaten van het AI-model zijn sterk afhankelijk van de ingevoerde data. ‘Je wilt een duidelijk signaal in de data, geen ruis. Kleine marktbewegingen zien wij als ruis, maar laten geen structureel patroon zien om een aandelenpositie op aan te passen. Het opschonen van de data om deze ruisvrij te maken is nog steeds mensenwerk.’ De uitkomsten van het model worden altijd door iemand gecontroleerd om te zien of ze enigszins in lijn zijn met de verwachtingen. ‘Bij een stock split bijvoorbeeld kunnen de financiële ratio’s niet meer kloppen. Tijdens de controle zien we dat het model anders reageert dan verwacht en dit kan reden zijn het model aan te passen. Het model wordt dus dan ook voortdurend bijgesteld.’
De data-analyse die Radatz en collega’s laten uitvoeren door de machine, gaat verder dan alleen de financiële cijfers van een bedrijf. Hij zegt geen beperkingen te zien in het soort data dat bruikbaar is, zolang het maar een economische onderbouwing heeft. ‘Creditcarddata geven bijvoorbeeld inzicht in kapitaalstromen binnen de detailhandelsector. Vooral door ze te koppelen aan de verkoopcijfers van een bedrijf en niet aan de aandelenkoers. Dat is slechts een afgeleide en deze zal vanzelf stijgen naarmate de verkoopcijfers verbeteren.’
Extra sparringpartner
In feite functioneert het AI-model als extra sparringpartner binnen een team. Het model van Radatz interpreteert bijvoorbeeld kwartaalrapporten op taalgebruik. ‘Daarbij gaat het niet alleen om wat er gezegd wordt, maar vooral om hoe het gezegd wordt. Normaliter is dit een kwestie van interpretatie, maar wij pakken dit systematisch aan door het aantal twijfelwoorden te meten. Hieruit kan blijken dat het management niet zeker van zijn zaak is, wat een reden kan zijn om een positie af te bouwen.’
De machine wordt ingeschakeld bij het afbouwen van een positie om de markt zo min mogelijk te beïnvloeden. ‘Wij vragen het model hoeveel aandelen we maximaal kunnen verkopen voordat we de prijs verstoren. Hierdoor kunnen we efficiënter handelen en de prestaties van het fonds verbeteren.’
In vergelijking met passieve wereldwijde ETF’s is de actieve ETF van Radatz een stuk geconcentreerder. Volgens Radatz zijn de diversificatievoordelen na ongeveer 200 aandelen minimaal. Het fonds van Radatz behaalde in de afgelopen drie jaar een geaggregeerd rendement van 32,64 procent, waarmee het de benchmark met 10 procent overtreft.