Schon seit 30 Jahren befasst sich unser für das GS Global CORE® Equity Portfolio verantwortliche Quantitative Investment Strategies Team (QIS) mit der computergestützten Auswertung von Daten aus unterschiedlichen Datenquellen. Dabei greifen die 170 Investmentmanager, Anlagestrategen, Programmierer und Trader auf die umfangreiche technologische Infrastruktur von Goldman Sachs zurück.

 

Der Wert von Big Data aus Investorensicht

Der Begriff „Big Data“ beschreibt extrem große Datensätze, die man mit moderner Technologie analysieren kann, um Muster, Trends und Zusammenhänge aufzudecken.

Weltweit nutzen immer mehr Menschen digitale Technologien und generieren so mehr Daten als je zuvor. Auch im Asset Management geht die Datenflut weit über das hinaus, was ein einzelner Mensch verarbeiten kann.

Das Ausmaß dieser Datenflut wird durch die Anzahl der von Google indizierten Webseiten deutlich. 2013 gab das Unternehmen bekannt, dass der Index eine Marke von 30 Billionen überschritten hat. Weniger als vier Jahre später wuchs diese Zahl um weitere 100 Billionen Webseiten. Ohne Technologie, die hinter der Google-Suchmaschine läuft, wäre der Index praktisch wertlos. Und dennoch überrascht uns die Fähigkeit des Algorithmus, unsere Fragen in Bruchteilen von Sekunden zu beantworten, selten.

 

Das exponentielle Wachstum von Daten allein stellt uns vor große Herausforderungen; die Art der Daten, die für einen Großteil des Anstiegs verantwortlich sind, erschweren die Analyse jedoch noch zusätzlich. Während strukturierte Daten wie Zahlen schon immer relativ einfach zu analysieren waren, trifft dies nicht in gleichem Maße auf unstrukturierte, alternative Daten wie Text, Video oder Bilder zu. Die Vielfalt der erstellten Daten ist erstaunlich und in jeder Minute eines jeden Tages trägt jeder von uns zur Generierung weiterer Daten bei.

 

Quelle: Statista (2017).

 

Von der Idee zum Investment

Big Data revolutioniert zahlreiche Branchen vom Einzelhandel bis zum Gesundheitswesen und wir sind überzeugt, dass diese enorm umfangreichen Datenmengen auch Einblicke ermöglichen, die für Anleger sehr interessant sind, da sie frühzeitige Signale zu Geschäftstätigkeiten, entstehenden Trends und Verbindungen zwischen Unternehmen liefern können.

 

Traditionell ist die Analyse von Unternehmen stark auf Fundamentaldaten aus Geschäftsberichten gestützt. Diese Daten sind zwar leicht zu erfassen, werden aber von Millionen Investoren weltweit analysiert und sind darüber hinaus vergangenheitsbezogen. Für ein erfolgreiches Investment wird es jedoch immer wichtiger, aktuelle Trends auszumachen oder Verbindungen zwischen Unternehmen zu erkennen, bevor der Markt dieses Potenzial vollständig wahrnimmt. Wir glauben, dass man durch die Kombination traditioneller und alternativer Datenquellen – Big Data – einen Informationsvorsprung erlangen kann.

 

Je nach Art der Unternehmensinformationen, die eine Datenquelle enthält, ordnen wir sie einer unserer vier Investmentsäulen zu: Qualität, Bewertungsniveaus, Themen und Trends sowie Stimmung am Markt.

 

 

Die Auswertung riesiger Datensätze ist allerdings nur sinnvoll, wenn Investmentexpertise und moderne Technologie zusammenkommen.

 

Frühzeitig Stimmungen und Trends im Markt identifizieren

Neueste Technologien, wie etwa maschinelles Lernen, eröffnen neue Wege für den Umgang mit unstrukturierten Daten. Maschinelles Lernen beschreibt die Fähigkeit von Computern selbständig von neuen Daten zu lernen und eigenständig Lösungen für neue Fragestellungen zu entwickeln. Eine Form des maschinellen Lernens, die wir in unserem Investmentprozess einsetzen, ist die natürliche Sprachverarbeitung (Natural Language Processing, NLP). Computer lernen hier, Texte in unterschiedlichen Sprachen zu lesen und diese Informationen in wenigen Sekunden auszuwerten.

 

Selbst sehr große Investmentteams können nur eine begrenzte Anzahl an Geschäftsberichten und Quartalsergebnissen auswerten. Mit NLP können diese Daten nicht nur verarbeitet werden. Es lassen sich auch sprachliche Nuancen in den Berichten berücksichtigen. Beispielsweise schneiden Unternehmen, deren Management am Ende einer Präsentation der Quartalsergebnisse in der Frage-Antwort-Runde vage und unklar antwortet, oft schlechter ab als diejenigen Unternehmen, die ihre Antworten mit fundierten Daten unterlegen und sich dabei klar artikulieren können. Ebenso ermöglicht NLP, Analystenprofile zu erstellen, aus denen sich durch eine bestimmte Wortwahl, wie z. B. „Glückwunsch“ oder „Gutes Quartal“ ableiten lässt, ob der Analyst die Ergebnisse ähnlich oder weniger positiv als in der Vergangenheit bewertet. So lassen sich mögliche Stimmungsänderungen frühzeitig erkennen, bevor diese Wochen oder Monate später in den schriftlichen Berichten erscheinen.

 

Eine weitere interessante Anwendung maschinellen Lernens ist die Identifikation von Verbindungen zwischen Unternehmen über Branchen und Ländergrenzen hinweg sowie die Auswirkungen technologischer, makroökonomischer oder Markttrends auf Firmen. Unsere Modelle verarbeiten hierfür neben Zeitungsartikeln beispielsweise auch Informationen aus Patenten. Theoretisch kann jeder Anleger zum Patentamt gehen und diese Patente einsehen. Es gibt allerdings Millionen von Patentanmeldungen und jedes Jahr kommen weitere hinzu. Die in ihnen angegebenen Liefer-, Absatz- oder Finanzierungsverbindungen können uns frühzeitig Aufschluss darüber geben, wie sich veränderte Geschäftszahlen eines Unternehmens auf dessen Lieferanten auswirken. In ähnlicher Weise lassen sich mithilfe des maschinellen Lernens auch die Auswirkungen eines Unternehmenskonkurses auf Mitbewerber ableiten ebenso wie die Auswirkungen guter oder schlechter Presse.

 

Portfolioaufbau unter Berücksichtigung von Risiken, Kosten und dem Faktor Mensch

Mithilfe dieser Anwendungen können wir täglich über 13.000 Unternehmen analysieren und dabei mehr als 150 Faktoren in unseren Modellen berücksichtigen. Die Aktien stufen wir dann nach ihrem Alpha-Potenzial von 1 bis 13.000 ein. Während eine Aktie in Bezug auf ihr Geschäftsmodell (Qualität) beispielsweise nur durchschnittlich abschneiden könnte, könnte unsere Datenauswertung laut zunehmend positiver Researchberichte und der Presse (Stimmung am Markt) oder der positiven Positionierung des Unternehmens gegenüber makroökonomischen Trends (Themen und Trends) ein hohes Potenzial aufweisen. Unser Ziel ist es, für unsere Portfolios Aktien mit der höchsten Gesamtpunktzahl auszuwählen.

 

Wir sind jedoch der Meinung, dass die Bewertung des Renditepotenzials einer Aktie allein nicht ausreicht. Um ein  optimales Gleichgewicht zwischen Rendite, Risiko und Kosten zu finden, kombinieren wir unsere Alpha-Punktzahl mit datenbasierten Risiko- und Kostenmodellen. Während das erste dem Alpha-Modell ähnelt, hilft uns das letztere, Liquiditätsaspekte zu erkennen, die das Renditepotenzial der Aktie beeinträchtigen könnten. Das Verhältnis zwischen Rendite-, Risiko- und Kostenpotenzial einer Aktie bestimmt auch dessen Gewicht in unserem Portfolio.

 

Der letzte Schritt in unserem Portfoliokonstruktionsprozess ist die „Optimierung“ unseres Portfolios. Unser Ziel ist es hier, das optimale Gleichgewicht zwischen verschiedenen Aktien für unser endgültiges Portfolio zu finden. Hierbei kommen die Investmentexpertise und das Urteilsvermögen unserer Portfoliomanager besonders zum Tragen, denn sie überprüfen nicht nur die Auswahl und Analysemethoden unserer Daten und Datenquellen, sie überprüfen und genehmigen auch alle Transaktionen in unserem Portfolio. Damit stellen wir sicher, dass alle Portfoliopositionen sinnvoll sind – d.h. dass sie angesichts der aktuellen Marktbedingungen wirtschaftlich intuitiv und angemessen dimensioniert sind. Das Ergebnis ist ein breit gestreutes Portfolio, das hinsichtlich Sektor- und Ländergewichtung typischerweise wenig von der Benchmark abweicht.

 

Fazit: Das Beste aus Mensch und Maschine

Aktives Management geht stets damit einher, Chancen zu entdecken, noch bevor der allgemeine Markt sie eingepreist hat. Während das weltweit verfügbare Datenvolumen immer stärker zunimmt, sind wir der Meinung, dass die Fähigkeit, diese Daten auch zu nutzen, einen entscheidenden Erfolgsfaktor für Anleger darstellt. Dies erfordert nicht nur ein Team, das in der Lage ist, eigenes Urteilsvermögen mit einer datenbasierten Titelauswahl zu kombinieren, sondern auch die technische Infrastruktur, mit der diese Datenmengen in Informationen und umsetzbare Ideen umgewandelt werden können. Unser Team legt großen Wert auf Forschung und kontinuierliche Innovation, die regelmäßig in Form von neuen Datenquellen u Verbesserungen von bestehenden Signalen in den Investmentprozess implementiert werden. Wir glauben, dass unser Team somit gut positioniertist, um auch weiterhin Werte für unsere Investoren zu schaffen.

 

________________________________________________________________________________________________________________

 

Disclaimers

This material is provided for educational purposes only and should not be construed as investment advice or an offer or solicitation to buy or sell securities.

This material is provided at your request for informational purposes only. It is not an offer or solicitation to buy or sell any securities.

THIS MATERIAL DOES NOT CONSTITUTE AN OFFER OR SOLICITATION IN ANY JURISDICTION WHERE OR TO ANY PERSON TO WHOM IT WOULD BE UNAUTHORIZED OR UNLAWFUL TO DO SO.

Prospective investors should inform themselves as to any applicable legal requirements and taxation and exchange control regulations in the countries of their citizenship, residence or domicile which might be relevant.

In the United Kingdom, this material is a financial promotion and has been approved by Goldman Sachs Asset Management International, which is authorized and regulated in the United Kingdom by the Financial Conduct Authority. Goldman Sachs Bank Europe SE assists Goldman Sachs Asset Management International in its activity in Germany and Austria.

This document has been issued by Goldman Sachs International, authorised by the Prudential Regulation Authority and regulated by the Financial Conduct Authority and the Prudential Regulation Authority.

Offering Documents
This material is provided at your request for informational purposes only and does not constitute a solicitation in any jurisdiction in which such a solicitation is unlawful or to any person to whom it is unlawful. It only contains selected information with regards to the fund and does not constitute an offer to buy shares in the fund. Prior to an investment, prospective investors should carefully read the latest Key Investor Information Document (KIID) as well as the offering documentation, including but not limited to the fund’s prospectus which contains inter alia a comprehensive disclosure of applicable risks. The relevant articles of association, prospectus, supplement, KIID and latest annual/semi-annual report are available free of charge from the fund’s paying and information agent and/or from your financial adviser.

Distribution of Shares
Shares of the fund may not be registered for public distribution in a number of jurisdictions (including but not limited to any Latin American, African or Asian countries). Therefore, the shares of the fund must not be marketed or offered in or to residents of any such jurisdictions unless such marketing or offering is made in compliance with applicable exemptions for the private placement of collective investment schemes and other applicable jurisdictional rules and regulations.

Investment Advice and Potential Loss
Financial advisers generally suggest a diversified portfolio of investments. The fund described herein does not represent a diversified investment by itself. This material must not be construed as investment or tax advice. Prospective investors should consult their financial and tax adviser before investing in order to determine whether an investment would be suitable for them.

An investor should only invest if he/she has the necessary financial resources to bear a complete loss of this investment.

Swing Pricing
Please note that the fund operates a swing pricing policy. Investors should be aware that from time to time this may result in the fund performing differently compared to the reference benchmark based solely on the effect of swing pricing rather than price developments of underlying instruments.

Any mention of an investment decision is intended only to illustrate our investment approach and/or strategy, and is not indicative of the performance of our strategy as a whole. It should not be assumed that any investment decisions shown will prove to be profitable, or that any investment decisions made in the future will be profitable or will equal the performance of the investments discussed herein. A complete list of past recommendations is available upon request. Please see additional disclosures.

Confidentiality
No part of this material may, without GSAM’s prior written consent, be (i) copied, photocopied or duplicated in any form, by any means, or (ii) distributed to any person that is not an employee, officer, director, or authorized agent of the recipient.

© 2019 Goldman Sachs. All rights reserved. 170006-OTU-991250