Schroders: Mens of machine - wie beheert straks de beleggingsportefeuille?

Schroders: Mens of machine - wie beheert straks de beleggingsportefeuille?

Technologie
schroders-mens-of-machine---wie-beheert-straks-de-beleggingsportefeuille_1_w99H2v.jpg

Kunstmatige intelligentie (AI) is een hot topic. Innovaties op dit gebied leiden tot onder andere de intrigerende vraag of machines de mens als portfoliomanager zullen vervangen. Robo-adviseurs bestaan al en geven financieel basisadvies met behulp van algoritmes die worden berekend op basis van de gestelde vragen. Ondanks de recente ontwikkelingen staan veel toepassingen op dit gebied nog in de kinderschoenen en dit is met name het geval bij de toepassing van AI op vermogensbeheer. Mark Ainsworth, Head of Data Insights and Analytics van Schroders is er van overtuigd dat de echte waarde voor de bedrijfssector bij Intelligence Augmentation (IA) ligt, dat gebruik maakt van AI om mensen te helpen beslissingen te nemen, in plaats van de beslissingen voor hen te nemen.

Een vorm van AI is machine learning - het gebruik van statistische algoritmes en technieken om de patronen in grote hoeveelheden gegevens te leren. Een van de meest voorkomende commerciële toepassingen van machine learning is predictive analytics om te voorspellen wat de toekomstige resultaten zouden kunnen zijn. AI-systemen zoals IBM's Watson en Deep Blue en Google's AlphaGo zijn zeer bekende successen op het gebied van games (voor respectievelijk Jeopardy!, Schaken en Go).

Hoewel op AI gebaseerde games voor grote krantenkoppen zorgen, is de echte wereld in de praktijk veel ingewikkelder. Veel AI-systemen produceren onjuiste output en vaak vereisen ze een extra menselijke tussenkomst - codering en algoritmewijzigingen - om goed te kunnen functioneren in de echte wereld.

De kwaliteit van de input bepaalt de kwaliteit van het leren. Als het gaat om het verkrijgen van optimale AI-output zijn er vijf belangrijke voorwaarden voor succes:

  • Een constante omgeving waar de regels vastliggen en niet veranderen
  • De relevante informatie is digitaal, gekwantificeerd
  • Overvloedige hoeveelheden gegevens
  • Lage onzekerheid
  • Duidelijke doelstellingen

Aan deze parameters wordt voldaan in spellen als Schaken of Go vanwege de aard van de omgeving: de regels zijn vastgelegd, er is weinig onzekerheid over de regels en er is één duidelijk doel. Bijna onbeperkte hoeveelheden gegevens kunnen worden gecreëerd door de computer tegen zichzelf te laten spelen. Ainsworth meent dat dit niet van toepassing kan zijn op fundamentele investeringen, waar nauwelijks aan deze vijf voorwaarden wordt voldaan. Volgens hem blijft langetermijnbeleggen een menselijke taak, omdat de voorwaarden voor de effectiviteit van AI ontbreken.

Intelligence Augmentation (IA)

IA daarentegen bestaat al ongeveer even lang als AI, heeft een sterke staat van dienst en is op vrijwel alle terreinen van ons dagelijks leven waarneembaar. Neem bijvoorbeeld autorijden. Auto’s hebben kenmerken die de capaciteiten van een mens al decennia lang vergroten. Ze omvatten alledaagse functies zoals spiegels, temperatuurwaarschuwingslampjes of snelheidsmeters die tijdig informatie geven over de staat van de auto. Ze zijn allemaal ontworpen om de menselijke bestuurders van voertuigen te helpen betere beslissingen te nemen over hoe te rijden. Hedendaagse auto's zitten vol met veel geavanceerdere functies: veiligheidsgordelsensoren, parkeersensoren, dodehoek-botsingswaarschuwingen en natuurlijk satellietnavigatie (of satellietnavigatie). Dit zijn moderne voorbeelden van IA. IA is eenvoudigweg de verbetering van intelligentie door middel van technologische middelen.

Voor de vermogensbeheersector is IA een veel relevanter wetenschapsgebied dan AI. Het maakt het mogelijk om inzichten te extraheren die maar weinig anderen kunnen identificeren - zelfs met de gegevens die voor het grijpen liggen. Dit heeft enorme voordelen als het gaat om fundamentele investeringen.

Kennis van beleggers is beperkt...

Elke fondsmanager die zijn beleggingen overweegt, heeft toegang tot veel nuttige informatie over een bedrijf - de financiële situatie, de inkomsten, de aangegeven plannen van het management. Maar er zijn nog andere belangrijke zaken waar beleggers momenteel geen toegang toe hebben via de traditionele kanalen, zoals:

  • Wat vinden consumenten echt van een bepaald merk?
  • Hoe zijn de meningen van consumenten beïnvloed door de strategische initiatieven van een bedrijf of een schandaal dat zou kunnen hebben plaatsgevonden?
  • Welke demografische groep spreekt het momenteel het meest aan en zal de groei ervan worden bereikt door zich op hen te richten of uit te breiden naar andere doelgroepen?
  • Zijn de verkooppunten gevestigd in de gebieden die zich op rijafstand van de doelgroep bevinden?

De bedrijven zelf zullen prima in staat zijn om deze vragen te beantwoorden, omdat dit centraal staat bij het plannen van hun bedrijfsstrategische doelstellingen. Hele afdelingen zijn gewijd aan het in kaart brengen en analyseren van gegevens over de lokale bevolking, het uitvoeren van enquêtes en het onderzoeken van gegevens op klantenkaarten om de strategische plannen te onderbouwen. De meeste investeerders echter krijgen alleen fragmenten van deze informatie te zien in bedrijfsrapporten en jaarverslagen, in plaats van een compleet beeld van dat bedrijf en hun sector.

…maar niet met IA

Als de datasets die deze blinde vlekken kunnen opvangen echter openbaar beschikbaar zijn (omdat ze worden verkocht door onderzoeksbureaus, gepubliceerd door overheden of verspreid door de sector), blijft er maar heel weinig eigendom van een individuele belegger. De datasets die deze informatie bevatten zijn veel te groot en ongestructureerd voor een beleggingsprofessional om met conventionele methoden zoals Excel te gebruiken. Dit is waar AI en machine learning nuttige hulpmiddelen kunnen zijn om gegevens om te zetten in het inzicht om een blinde vlek te vullen en zo de intelligentie van de fondsmanager te vergroten.

Uiteindelijk zal de individuele fondsbeheerder echter wel de controle blijven houden over de beleggingsbeslissingen. Maar denk eens na over hoe goed het voelt om een kilometer voor de file de snelweg af te rijden en een verkeersvrije omweg te nemen terwijl alle anderen in hun auto's zitten omdat ze niet wisten dat de file er was. Omgekeerd, een nog beter geïnformeerde bestuurder die specifieke kennis heeft van een nieuw geopende route of een aankomend incident, zou ervoor kunnen kiezen om niet blindelings de aanwijzingen van zijn of haar navigatiesysteem te volgen maar een dubieuze omweg te maken die gebaseerd is op een algoritme waar niemand naar omkijkt. Dit is volgens Ainsworth de plek waar AI en IA optimaal in balans zijn.