Folge 147: Wenn die KI am Bloomy daddelt

00:00:03: Was kann KI heute schon im Maschinenraum eines Portfolio-Managers leisten?

00:00:08: Werden bessere Entscheidungen getroffen, werden die Zahlen besser sortiert, werden Jobs gestrichen, werden neue Portfolio-Modelle entstehen.

00:00:15: Wir sprechen mit jemandem, der das aktuell in einem großen Maschinenraum umsetzt.

00:00:19: Und zweitens sprechen wir mit einem Global Income-Manager, der uns zeigt, was Aktien heute leisten, wenn sie eine planbare Dividende erzielen sollen.

00:00:36: Das war's.

00:00:42: Nicht im

00:00:42: Unterleben investiert Timo auf Hoffnung.

00:00:44: Der andere Verschuldungsgrad bleibt hier immer nicht.

00:00:46: Den

00:00:47: Schweiz

00:00:47: ist doch so teuer,

00:00:49: wie unser Immerhin.

00:00:49: Damit reduziert

00:00:50: sich die Zinsdefinanz.

00:00:51: Man ist die Gegenanlage, also das Geschäftsmodell der Bank,

00:00:54: ja, die Transformation der Fristigkeit.

00:00:57: Die Besprechung hat man viel mehr Sensitivität zu disasternden.

00:00:59: Was für Unternehmen sind eigentlich in den zwanzig-grasig Jahren noch kursfähig?

00:01:02: Welche lösen?

00:01:03: vielleicht sogar gesellschaftliche Pläne?

00:01:05: Wenn es einen Call gibt, der hundertprozentig sicher ist.

00:01:07: In Springfield, they're eating the

00:01:10: dogs.

00:01:10: sich im großen Bild.

00:01:13: Der gemeinsame Podcast von Private Banking, Magazin und Eta Family Office geht in eine neue Runde und heute nehmen wir sie mit in einen Maschinenraum, in dem künstliche Intelligenz implementiert wird.

00:01:24: Und das machen wir nicht einfach so.

00:01:25: Wir uns das vielleicht vorstellen, dass künstliche Intelligenz-Researchberichte zusammenfasst, Zahlen, Kolonnen besser ordnet und Entscheidungsvorlagen auf diese Weise liefert.

00:01:34: Nein, Wir lernen KI in seiner Funktionsweise über Large-Language-Modelle, Entscheidungsbäume und Overfitting genau kennen.

00:01:43: Wir sprechen mit Simon Frank von Peak-T-Asset-Management, der uns erzählt, wie Schritt für Schritt künstliche Intelligenz in seinem Invest-Prozess bei einem Enhanced-Modell, einem Modell, das den Index schlagen soll zum Einsatz kommt.

00:01:59: Und was wir vor allen Dingen aus diesem ersten Einsatz von künstliche Intelligenz bei der aktiven Anlageentscheidung lernen können für künftige Verbesserungsinstrumente bei künstlicher Intelligenz bzw.

00:02:11: beim Einsatz im normalen Portfolio-Management-Prozess.

00:02:15: Müssen Portfolio-Manager um ihren Job fürchten?

00:02:18: Ich glaube nicht.

00:02:19: Ich glaube aber, dass die Fertigkeiten von Portfolio-Manager künftig sehr viel technischer wird und dass der Markt durch all das, was wir heute kennenlernen, vielleicht auch ein bisschen schneller wird.

00:02:30: Vielleicht auch effizienter.

00:02:34: Meine Ableitung aus diesem Gespräch ist, dass ineffiziente Märkte auf dieser Welt, also die im globalen Süden, durch den Einsatz von künstlicher Intelligenz, der dort bestimmt in der Historie schneller stattfinden wird als bei uns, also nachgelagert zur westlichen Welt, aber schon relativ schnell, diese Märkte deutlich schneller, deutlich effizienter machen wird.

00:02:55: Solange lohnt sich übrigens noch aktives Management auch in den emerging markets.

00:02:59: Es lohnt sich sowieso immer.

00:03:02: Herzlich willkommen zu einem spannenden Gespräch und im zweiten Teil des Podcasts sprechen wir mit einem Spezialisten für ein Global Income-Portfolio.

00:03:11: Die klassischen Dividenden-Portfolios haben ein kleines Problem.

00:03:14: Die Dividendentitel, die wir in den typischen Schiftungsportfolios gefunden haben, ich würde sagen bis ins Jahr, Jahr, Jahr, Jahr, Jahr, Jahr, Jahr, Jahr, Jahr, Jahr, Jahr, Jahr, Jahr waren Werte, die über die hohe Dividendenzahl oder die hohe Dividendenrendite hinaus relativ auskömmlich gewachsen sind.

00:03:32: Und dann hat sich nach der Corona-Krise so eine Spreizung verdeutlicht.

00:03:37: Unternehmen mit hoher Dividende zahlen die, weil sie nicht mehr wachsen, quasi als Ausgleich dafür, dass kein großes Kapitalwachsum zu erwarten ist.

00:03:47: Es sei denn, sie haben irgendeine Branche, die mal temporär in einem besonderen konjunkturellen Licht steht.

00:03:55: Unternehmen, die sowieso strukturell das Kapitalwachstum haben, dass sich jeder wünscht im Portfolio, müssen keine Dividende zahlen.

00:04:03: Also gehen wir beim Bereich globale Aktiendividende auf einen sehr, sehr schmalen Grad und müssen wahrscheinlich in der Traditionsregion für Dividenden, nämlich Europa, überlegen, wie wir da etwas internationalisieren und auch überlegen, welche Branchen wir in so ein Portfolio packen.

00:04:22: Das, was wir im deutschsprachigen Raum an Dividenden-Portfolios oft sehen, ist, dass man die klassischen nicht wachsenden Dividendentitel mischt mit irgendwelchen KI-Aktien, die keine Dividende zahlen.

00:04:33: Dann kommt man eben im Durchschnitt auf eine Dividende, die liegt dann bei und dann spricht man viel über Dividendenwachstum, aber das erzeugt ja für eine Stiftung nicht die planbaren, laufenden Ausschüttungen.

00:04:47: Und wir landorten einen Ansatz kennen, bei dem die laufende Ausschüttung tatsächlich etwas mehr im Vordergrund steht und auch dabei können wir wieder ziemlich viel Neues lernen.

00:04:57: Freuen Sie sich drauf?

00:04:58: Jetzt erstmal das Gespräch mit Simon Frank von PikT Asset Management.

00:05:03: Jetzt kommt Werbung.

00:05:05: Investieren, als würde die Zukunft zusehen, mit Nauvin.

00:05:09: Mit einem verwalteten Vermögen von ´½ Billionen Euro gehört Nauvin zu den weltweit führenden Investmentmanagern.

00:05:16: Gemeinsam mit TIAA bieten wir seit über hundertundzwanzig Jahren eine breite Auswahl an den Investmentlösungen an und zählen zu den top fünf Immobilienmanagern weltweit.

00:05:28: Jetzt mehr erfahren auf Nauvin.com.

00:05:31: Investieren bergt Risiken, ein Kapitalverlust ist möglich.

00:05:37: Werbungende.

00:05:39: Bei mir ist immer noch auf dem Private Banking in Hamburg Simon Frank von PICTA Asset Management.

00:05:44: Herzlich willkommen Simon.

00:05:45: Schönen

00:05:46: guten Nachmittag Christian.

00:05:49: Du hast heute hier schon Vorträge gehalten.

00:05:53: Erzähl mal was aktuell bei PICTA Asset Management die Überlegungen sind.

00:05:57: zum Thema KI im Portfolio Management.

00:06:01: Ja, also grundsätzlich redet ja immer noch die ganze Welt über KI.

00:06:05: Es ist an der Börse immer noch der große Hype um KI, wobei Hype ist ein bisschen fast schon negativ ausgedrückt, weil eigentlich so Hypic ist es gar nicht und die fundamentalen Entwicklungen sind tatsächlich spektakulär.

00:06:17: Also von daher von Plase würde ich eigentlich nicht sprechen wollen.

00:06:21: Es ist ein Megatrend aus unserer Sicht.

00:06:23: KI und Rechenleistung, was ich gegenseitig bedingt, ist wirklich ein Megatrend, der uns noch viele Jahre, wahrscheinlich sogar Jahrzehnte beschäftigen wird.

00:06:31: Was wir heute machen können, das war vor zehn oder zwanzig Jahren noch reines Science Fiction.

00:06:37: Und dann hat man natürlich zwei Möglichkeiten, entweder man investiert in die Unternehmen, die von KI und den Technologien und Anwendungen profitieren können, beispielsweise in unserem Pictor Robotics-Fonds oder in unserem Pictor Digital-Fonds, also auf der Themenfondsseite.

00:06:50: Oder man lässt einfach die KI oder man befragt die KI, welche Aktien denn erfolgsversprechend sind.

00:06:56: Und das haben wir auch versucht bei uns im Haus.

00:06:58: Und das machen wir jetzt seit etwa achtzehn Monaten in einem Usage-Sfond.

00:07:02: Long only als Index in Hand Strategie.

00:07:04: Und wenn man sagt Wettbewerb Mensch gegen Maschine, muss man sagen, bis jetzt sieht das eigentlich eher zugunsten der Maschine aus.

00:07:13: Also erstens.

00:07:14: Alle, die Aktien investiert haben, sind ja mit hoher Wahrscheinlichkeit ohnehin schon nach Form in KI investiert.

00:07:21: Und deswegen ist es ja spannend, mal neben den beiden Themenfonds, die du erwähnt hast, zu fragen, ob denn schon der erste Portfolio-Manager im Hause gehen musste, weil die KI es jetzt besser macht.

00:07:34: oder dieser Ansatz, der jetzt kommt, der ist jetzt quasi additiv erstmal implementiert, um den Index zu challenging und nicht die aktiven Form Manager in eurem Haus, richtig?

00:07:47: Ja.

00:07:48: Okay.

00:07:48: Aber wenn ihr jetzt lernt, dass ihr mit dem Schlagen des Index

00:07:53: auch

00:07:53: andere Portfolios optimieren könnt, könnte es sein, dass diese Erfahrung in die anderen Portfolios implementiert wird.

00:08:01: Ja, da fühlst du mich ja eigentlich quasi schon direkt zu Fazit.

00:08:05: Also ich will nicht spoilern, aber die Kollegen sagen immer, Mensch oder Maschine ist eigentlich falsch, sondern eigentlich Mensch mit Maschine ist wahrscheinlich die bessere Lösung und das bessere Ergebnis auch für den Kunden am Ende des Tages.

00:08:19: Ja, aber das ist genau der Kernpunkt eigentlich.

00:08:22: Sollte man, braucht man den menschlichen Portfolienmanager, wahrscheinlich schon, gerade auf der Themenfondsseite geht ja doch auch viel Know-how und viel Erfahrung in das Anlageuniversum überhaupt, dass man das Thema sauber aufsetzt, dass man die Megatrends, die dahinter steht, oder die dahinter stehen, erstmal Investibermacht überhaupt.

00:08:39: Da kann man zwar auch eine KI fragen, haben wir nicht getan, ich weiß nicht, was dabei rauskommen würde, aber ich glaube, da macht es schon Sinn, dass man tatsächlich auch den Mensch noch mit berücksichtigt.

00:08:50: Und zu deiner Ausgangsfrage wurden schon menschliche PMs entlassen.

00:08:54: Nein, alle noch da.

00:08:56: Und ich glaube gerade auch, dass das Quest-Team bei uns im Haus, also Quantitative Equities und Solutions-Team, ein bisschen sperriger Name, gibt schon seit neunzehn neun und neunzig bei uns im Haus, haben eigentlich angefangen mit den Quanten, Eins Punkt Null Strategien, sag ich mal.

00:09:13: und haben eben die letzten Jahre damit verbracht, da viel Hirnschmalz reingesteckt und auch viel Arbeit und viele, viele akademische Stunden auch reingesteckt, eben diese KI selber zu bauen, die richtigen Datensätze da reinzuladen, weil auch mit KI heißt es nicht, aber es gilt immer noch der alte Satz mit garbage in, garbage out, also wenn ich keine guten Daten habe oder sinnlose Daten habe, dann kommt wahrscheinlich auch am Ende kein gutes KI-Modell oder keine gute KI-Prognose bei raus.

00:09:40: Von daher Die Ansätze schließen sich auch nicht aus, habe ich auch vorhin auf der Bühne gesagt, weil natürlich unsere Themen von uns sehr langfristig orientiert sind.

00:09:48: Wir suchen als Unternehmen, die über viele Jahre überdurchschnittlich und profitabel wachsen.

00:09:53: Und im KI-Bereich machen wir im Prinzip das Gegenteil, weil kurzfristig sind Aktienkurse volatil.

00:09:59: Erstens.

00:09:59: Und zweitens sind die Volatilitätsfaktoren eigentlich eher Stimmungsgetrieben.

00:10:03: Das heißt also, es sind ganz andere Faktoren, die die kurzfristige Aktienkursreaktion bestimmen und beeinflussen als langfristig.

00:10:11: Also das ist genau die Frage.

00:10:12: Wir sind jetzt quasi einem realen Use Case für künstliche Intelligenz, liebe Hören und Hörer, sie fragen sich vielleicht manchmal, wo soll denn die künstliche Intelligenz überhaupt wirken in meinem direkten Umfeld.

00:10:24: Hier haben wir eins.

00:10:26: Und die Frage ist, was sind denn jetzt die eigentlichen Aufgaben der künstliche Intelligenz?

00:10:31: Also, ihr fangt ganz brav, damit an, ein Index zu schlagen.

00:10:38: Und das kann man ja machen, indem man als künstliche Intelligenz Dinge oder Emotionen aussortiert, die wir als aktive Manager durchaus als Fehleranfälligkeit interpretieren können.

00:10:56: Also wir müssen jetzt mal versuchen, diesem Gespräch zu lernen, was denn eigentlich die Dinge sind, die die KI unterlässt, wo unterlässt die KI Falsches und was implementiert sie richtiges.

00:11:08: Also die KE ist erstmal nicht emotional.

00:11:10: Das kann man glaube ich schon mal vorne weg sagen, weil

00:11:12: noch nicht.

00:11:12: Sie hat keine Kategorien wie gut böse oder gut schlecht oder richtig oder falsch, sondern wir haben hier die einfache Aufgabe einfach in Anführungszeichen gegeben.

00:11:23: Such uns die Aktien, die auf ein Monatssicht, also ziemlich kurzfristig, tendenziell outperformen sollten oder ander performen sollten.

00:11:31: Und dann kriegen wir eben für jede Aktie im MSCI World Index.

00:11:33: Das ist der Index, den wir schlagen wollen am Ende des Tages.

00:11:36: Nach Kosten.

00:11:37: kriegen wir dann also Rendite und Alpha Prognosen.

00:11:40: So, und diese Alpha Prognosen, die sind schon Faktor bereinigt.

00:11:44: Das heißt, unser Portfolio ist am Ende marktneutral, also nicht marktneutral, aber wir haben Beta von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor

00:12:00: von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor von Faktor

00:12:05: von Fakt

00:12:06: weil Dinge aussortiert worden sind.

00:12:07: Ihr habt letztlich in der Quantitativen Sicht durch keinen Abstand zur Benchmark durch Beta und durch Koalation, aber wahrscheinlich eine andere Branschengewichtung.

00:12:26: Nee, gar nicht mal.

00:12:27: Wir sind sehr nah dran am Index.

00:12:29: Also wird das Index enhanzt.

00:12:30: Wir haben den Tracking auch von maximal zwei Prozent.

00:12:33: ist also sehr nah dran am Index.

00:12:35: Das heißt, wir haben auch nicht die Diskussion, sind wir jetzt USA gerade zehn Prozent überall untergewichtet, sondern auf Länder und Sektorebene haben wir plus-minus zwei Prozent versus Index relativ.

00:12:44: Und auf Einzelaktienbasis haben wir plus-minus ein Prozent.

00:12:48: Heißt, im Umkehrschluss auch die ganzen Indexschwergewichte, Chlorreiche sieben und Co.

00:12:53: sind bei uns auch immer im Portfolio drin.

00:12:55: Und sie sind mehr oder weniger netto als Gruppe genommen.

00:13:00: auch etwa neutral.

00:13:01: Also wir könnten jetzt theoretisch, könnten wir alle klorreichen sieben, achtzehn, ein Prozent über oder untergewichtet sein, was aber in der Portfoliekonstruktion eigentlich wieder ausgeschlossen wird, weil das würde den Checking-Error schon wieder so erhöhen, dass wir außerhalb unserer Limite lägen.

00:13:14: Also es ist spannend, von der Vogelperspektive sieht das Portfolio eigentlich genauso aus wie der Index, ähnlich aus wie der Index.

00:13:19: Die Intelligenz und in dem Fall die Künstlich-Digenz sorgt dafür, dass minimale Abweichungen Das Portfolio, wie du auf Norddeutsch sagt, Enhanzen, also ein Alpha und Performance Vorteil generieren.

00:13:35: Genau, genau.

00:13:37: Ziel ist mindestens hunderten Basispunkte nach Kosten zu generieren pro Jahr, was im aktuellen Marktumfeld, wo wir wahrscheinlich zukünftig, zumindest ist das die Experten und Strategien Meinung aktuell, wo wir wahrscheinlich nicht mehr mit zweistelligen Aktienrenditen auf Indexbasis rechner können die nächsten fünf bis zehn Jahre.

00:13:52: macht es dann doch einen Unterschied, ob ich dann sechs Prozent oder sieben Prozent PA erwirtschafte.

00:13:57: Also ein Prozent Alpha klingt erst mal nach nicht viel, aber ein Prozent nach Kosten pro Jahr.

00:14:03: auf zehn Jahre ist es mehr als zehn Prozent, deutlich mehr durch einen Zinsessinseffekt.

00:14:08: Also das darf man nicht unterschätzen.

00:14:10: Und wie du gesagt hast, wir suchen also im Portfolio etwa die besten vierhundert bis fünfhundert Aktien, besten in Anführungszeichen aus Sicht unserer KI auf den nächsten Monat.

00:14:20: Und dadurch aggregieren wir einfach kleine Alfas, kleine Alfasignale zu einem sehr stetigen Alpha.

00:14:28: Das ist die ganze Aufgabe der KI eigentlich.

00:14:33: Habt ihr ein Standardmodell genommen und das dann eigens trainiert für eure Aufgabe?

00:14:41: Gute Frage.

00:14:42: Wir haben das komplett selber gebaut.

00:14:43: Wir haben die Datensätze selber ausgewählt, bereinigt.

00:14:47: Da hat man immer Datenausreißer, die man korrigieren sollte.

00:14:51: Wir haben das Modell selber gebaut, selber trainiert.

00:14:54: Und da ging ein paar Jahre ins Land, bis wir so weit waren.

00:14:57: Darf man auch nicht unterschätzen, wir haben ein sehr großes Team mit sehr unterschiedlichen Hintergründen.

00:15:02: Achtzig Prozent des Investment-Teams sind promovierte Mathematiker, Physiker, Datenwissenschaftler.

00:15:09: Und ich glaube, die Kombination ist auch tatsächlich wichtig, dass man diese verschiedenen Expertisen zusammenbringt.

00:15:15: Weil wenn jetzt einfach nur ein Betriebswirt, so wie ich, sich an die Sache ranwagt.

00:15:19: kommt wahrscheinlich nicht das raus, was jetzt bei uns rausgekommen ist.

00:15:24: Und gerade bei so Quant-Strategien, finde ich, immer aus meiner alten Welt auf der Kundenseite, ich war ja bevor ich zu PikTik kam, auch Fondsselektor, da fand ich es immer wichtig, wie verhalten sich gerade systematische, quantative Strategien in Stressphasen.

00:15:39: Typischerweise hatte man dieses Quant Crowding gehabt, also wenn die Woder dann ansteigt und alle gezwungen sind ihre Positionen wieder mal ein bisschen runter zu fahren, dann haben die alle die gleichen Aktien verkauft und die gleichen Aktien gekauft, wenn sie noch Short Position hatten.

00:15:50: Was typischerweise dazu geführt hat an so Momenten wie Yen Carried Rate Rückabwicklung letzten Sommer beispielsweise oder beim Liberation Day dieses Jahr, dass diese Strategien in der Regel größere Relative Jodowns fabriziert haben.

00:16:05: Und das sieht man bei uns eben nicht.

00:16:07: Sondern wir eben keine Faktoresigen haben und auch keinen Crowding Effekt sehen.

00:16:11: Okay, aber jetzt haben wir für den Einsatz eures Modells irgendeine gewisse Vorlaufzeit gehabt und Backtesting wirst ich glaube ich auch ganz gut handhaben.

00:16:24: Jetzt liegen ja über der Weltwirtschaft, den Weltmärkten, auch strukturelle Veränderungen.

00:16:31: die die Spielregeln, nach denen das Modell trainiert worden ist, vielleicht auch verändern könnten.

00:16:36: Wie ein etwas schneller Anstieg der Staatsschulen in Europa.

00:16:41: Volkswirtschaftliches Wachstum, das eher aus dem globalen Süden kommt.

00:16:45: Vielleicht gibt es disruptive Entwicklungen und Erfindungen in Indien, in China, die die großen Unternehmen in Europa und in den USA vor allen Dingen herausfordern könnten.

00:16:58: All das wissen wir nicht, die KI weiß es auch nicht.

00:17:01: Hat man denn schon ein Erfahrungsschatz, welche dieser langfristigen säkularen Verschiebungen das KI-Modell gefährden könnten?

00:17:12: Oder gibt es da auf Big T Seite sozusagen die Wachsamkeit, dass diese und jene Veränderung, dass das KI-Modell so, wie es jetzt gerade funktioniert, schwächt?

00:17:27: Sehr gute Fragen, sehr gute Punkte auch.

00:17:31: Ich gebe ein paar verschiedene Antworten darauf, weil es verschiedene Perspektiven sind.

00:17:34: Also zum einen mal trainieren wir dieses Modell alle drei Monate neu mit neuen Daten.

00:17:40: Also jedes Quartal kommt quasi drei Monate neue Daten dazu und die meisten Datensätze, die wir verwenden, sind auf Tagesbasis, manche sogar noch höher frequent.

00:17:47: Das heißt, da kommen immer schon auch jede Menge neue Datenpunkte dazu, aus dem die KI wiederum ihre Schlüsse zieht.

00:17:54: Und für das erste Modell haben wir mindestens Zeit reingenommen, wo wir zehn Jahre Daten haben.

00:18:00: Und jetzt zehn Jahre plus ein Quartal ist, also wird die Welt nicht neu erfunden.

00:18:04: Trotzdem haben wir diese Anpassung natürlich schon mit drin.

00:18:07: Und dadurch, dass wir das Modell jedes Quartal neu trainieren und quasi einmal neu kalibrieren lassen, passt es sich schon an.

00:18:14: Zu dem Punkt, was in der Welt so alles passiert.

00:18:17: Schlagzeilen, die alle nicht besonders toll sind aktuell.

00:18:23: Also zumindest bei uns Menschen emotional unbehaken hervorrufen, dass der KI vollkommen egal, weil sie ist unemotional und objektiv, sagen wir mal, neutral.

00:18:32: Sie kält die Schlagzeilen auch nicht, weil wir füttern da keine Schlagzeilen-Daten oder sowas rein, sondern wir füttern da inzwischen fast vierhundert Datensätze rein, mit mindestens zehn Jahren Historie.

00:18:43: aus ganz verschiedenen Bereichen.

00:18:44: Da gehen beispielsweise ein fundamentale Daten, da gehen Preisdaten rein, da gehen saisonale Daten rein, da gehen Analysten-Meinungen rein, Analysten-Sentiment, Erwartungen.

00:18:54: Das habe ich noch vergessen.

00:18:56: Genau Verkaufspositionen von Hedgefonds beispielsweise.

00:18:58: Also ein wildes Portburi von inzwischen fast vierhundert verschiedene Zeit rein und wir nennen es Merkmalen.

00:19:04: Kannst auch Faktoren nennen.

00:19:09: Wir sagen der KI nicht, wir haben jetzt die und die Meinung und das und das könnte vielleicht passieren politisch, geopolitisch, wirtschaftlich, was auch immer, sondern wir überlassen der KI einfach diese Zeit rein, von denen wir glauben, damit kann man was anfangen.

00:19:22: Und was die KI dann macht, sie baut Entscheidungsbäume.

00:19:24: Also sie guckt quasi, wie kann ich diese vierhundert Merkmale miteinander verwenden?

00:19:28: Ersten Schritt, welche Merkmale sind überhaupt für die nächsten ein Monatsperioden relevant, welche haben überhaupt eine Aussage gekraft, ob eine Aktie steigt oder fällt.

00:19:37: Und dann, wie kann ich die quasi von der Hierarchie ranken?

00:19:41: Also, um es mal ein bisschen plastisch zu machen, man könnte beispielsweise sagen, Entscheidungsebene eins ist, steht ein Unternehmen gerade vor Quartalszahlen?

00:19:48: Ja oder nein?

00:19:49: Wenn ja, hat die Aktie gerade outperformed?

00:19:51: Ja, nein.

00:19:52: Wenn sie outperformed hat, ist vielleicht das Risiko da, dass es einen Reversal gibt.

00:19:55: Also, könnte das ein negatives Vorzeichen haben.

00:19:58: Aber diese Kausalitäten bestimmt die KI selber.

00:20:00: Sie checkt diese ganzen Datensätze, vierhundert Merkmale für tausend, vierhundert Aktien.

00:20:04: Das sind also Millionen von Parametern.

00:20:06: Dafür brauchen wir auch die große Rechenleistung, sonst ging das gar nicht.

00:20:10: Wir als Menschen könnten das gar nicht machen, weil wir würden ewig brauchen dafür.

00:20:14: Und wir schränken die KI also dann nur in der Portfolie Konstruktion ein, dass aus diesen Alpha-Signalen eben keine riesigen Über- oder Untergewichtungen werden, sondern daraus rossen wir sie runter.

00:20:23: Aber die Entscheidungsbäume, die Alpha-Scores, die entscheidet die KI selbstständig.

00:20:30: Und jetzt sind wir im Prinzip an dem Punkt, der beim Umgang mit der KI ja auch so ein bisschen... Sorge bereitet, ich sage mal vorsichtig.

00:20:37: Wir nehmen die Entscheidungen und die Empfehlungen der KI zur Kenntnis oder die Antworten, die wir kriegen bei Chatchivity und trauen uns gar nicht so richtig, sie zu hinterfragen, weil wir sowieso wissen, wir werden den Entscheidungsweg oder die Art, warum eine KI eine Empfehlung gibt, nicht wirklich ergründen können.

00:20:58: Und das ist etwas, was mir im Portfuelungenentspende aus meiner Sicht als Family Officer große Sorgen bereiten würde.

00:21:07: Auch ein sehr guter Punkt.

00:21:09: Was man ja oft hatte bei den altbekannten Quant-Strategien, dass man sagt, das ist eine Blackbox.

00:21:14: Also da gehen Daten rein, dann wird irgendwas gerechnet, dann kommt irgendwas raus, keiner weiß warum und dann funktioniert es oder es funktioniert nicht.

00:21:21: So ist natürlich unbefriedigend für dich als Investor, auch für die Portfolienmanager, auch wenn sie nur... quasi die Oversight haben oder den Überblick behalten und das Ding kontrollieren, aber die wissen auch nicht genau, was kommt denn dabei raus.

00:21:35: Mit unserem KI-Modell ist es sehr schön, weil man ziemlich gut nachvollziehen kann, warum eine Aktie gerade über oder untergewichtet ist.

00:21:42: Weil wir ja diese verschiedenen Subkategorien von Merkmalen haben, nennen wir Merkmal-Cluster, also beispielsweise Analystensentiment, langfristige Indikatoren, kurzfristige Indikatoren, also langfristig ist das nicht fünf Jahre, sondern eher so quartalsweise und dann gibt es halt die Tagesbasis.

00:21:56: Und wir können sehr, sehr gut nachvollziehen, warum eine Aktie gerade über oder untergewichtet ist und wir können auch die Performance ziemlich gut aufschlüsseln nach den verschiedenen Merkmal-Clustern, die da reingehen.

00:22:09: Wir haben auch ein wissenschaftliches Paper geschrieben, was auch in einem guten Journal veröffentlicht wurde und auch weltweit Beachtung fand und auch gerevelt wurde, sodass wir also sagen können, wenn die strategie so und so performt dann können wir ziemlich gut sagen es lag an dem und dem und dem und die aktie sowieso war übergewichtet weil x y das glaube ich aus unserer sicht auch sehr wichtig dass man ein bisschen mehr vertrauen haben kann in was macht die kaida eigentlich?

00:22:38: gleichzeitig finde ich jetzt die Strategie auch für institutionelle Kunden gut geeignet, die also sagen, ich möchte nicht, dass diese Strategie auf ein Kalender ja fünf Prozent ander performt oder fünf Prozent outperformen, sondern ich möchte gut schlafen können und ich möchte auch für meinen Kremien rechtfertigen können, warum die Strategie im Portfolio ist und möchte nicht irgendwie eines Tages aufwachen und sie hat zehn Prozent Jordan produziert oder sowas.

00:23:03: Also das ist schon sehr, sehr gut durch unsere Risikomanagement gemanagt, dass das eben nicht passiert.

00:23:08: Und dadurch, dass wir so nah am Index sind, hat man einfach auch nicht das Risiko, dass die zehn Prozent anders verformt.

00:23:13: Also gibt es auch eine Wahrscheinlichkeit für, weil sie extrem klein.

00:23:18: Die Perspektive ist ja doch das Big-T-Asset-Management mit diesen ...properitären Werkzeug.

00:23:25: Irgendwann mal so mutig ist und die Bandbreite etwas zweitet.

00:23:29: Man sagt, wir haben gesehen, dass das Modell funktioniert.

00:23:32: Wir kennen auch so ein bisschen die Marktphasen.

00:23:34: Sensitivität müssen wir vielleicht auch mal gleich drüber sprechen.

00:23:37: Ob es Marktphasen gibt, die für das Portfolio ein bisschen giftig sind oder besonderen Rückenwind verleihen.

00:23:45: Noch mal eine völlig andere Überlegung, die wir so aus einem normalen Portfoliomanagement eigentlich nicht kennen.

00:23:50: Dann würde man, ich fantasiere jetzt einfach vor mich hin, dann würde man so sagen, die Einengung der Abweichungsmöglichkeiten von der Benchmark einfach weiten.

00:24:02: Und das wird ja bestimmt auch schon getestet.

00:24:04: Ja.

00:24:05: Okay, verschiedene Punkte.

00:24:06: Fangen wir an mit Tracking-Error erhöhen.

00:24:10: Das ist leider nicht linear.

00:24:12: Also es wäre natürlich schön, wenn man sagen könnte, ich habe ein Information Ratio von Größe eins, dann skalier ich es auf eine Tracking-Error von zehn.

00:24:20: habe ich zwölf Prozent Alpha.

00:24:22: Das geht leider nicht, weil das ist nicht linear.

00:24:26: Punkt

00:24:29: eins.

00:24:29: Wie ist es denn?

00:24:30: Kann man

00:24:31: das sagen?

00:24:32: Ist sozusagen diese Ausweitung, ist das Markfasenabhängig?

00:24:38: Nein, also dadurch, dass das Portfolio an Beta von Rückblickend kann es dann auch mal Null Neun Neun oder Null Eins Komma Null Eins sein, aber es ist sehr nah an Eins.

00:24:49: Und wir haben kein wesentliches Risiko zu akademischen Faktoren.

00:24:52: Also wir sind nicht Small Cap Lastig oder Value Lastig oder Gross Lastig oder Quality oder was auch immer.

00:24:58: Diese ganzen akademischen Faktoren sind quasi aus unserer Alpha Prognose rausgerechnet bereinigt.

00:25:05: Das heißt, was bei uns hängen bleibt, ist tatsächlich Einzeltitel Alpha.

00:25:12: Wobei das ein anderes Alpha ist als das, was jetzt ein menschlicher Portfoliomanager suchen würde.

00:25:16: Der würde suchen, okay, da verwettern sich die Fundamentaldaten, ich erwarte eine Verbesserung der Gewinnrevision oder was auch immer.

00:25:23: Die KI macht was anderes.

00:25:25: Die sucht sich ganz andere Faktoren, die der Mensch so nicht sehen würde und vor allem auch nicht die Interaktion.

00:25:30: Wir haben ja vorhin kurz über diese Entscheidungsbäume gesprochen.

00:25:32: Da kommt auch ein großer Teil des Alfas raus, muss man sagen.

00:25:35: Ungefähr ein Drittel des Alfas.

00:25:37: Lässt sich auf die Sicherarchie diese Entscheidungsbäume zurückführen.

00:25:43: Was hast du noch gefragt?

00:25:44: Was war der anderen Punkt?

00:25:46: Inwieweit in bestimmten Marktphasen das

00:25:49: Modell

00:25:49: gefärbt wird?

00:25:50: Genau, also Marktphasen sind eigentlich irrelevant.

00:25:53: Was ich persönlich als einen sehr großen Vorteil finde, weil du halt nicht das Problem hast, du musst dich jetzt entscheiden, glaube ich jetzt an Value-Outperformen oder an Gross-Outperformen oder an Small-Caps oder an Large-Caps, wie auch immer, dass wir so nah dran sind am Index und eigentlich diese ganzen bei es ist raus gemacht raus konstruiert haben.

00:26:11: sozusagen gibt es keine abhängigkeit von irgendeinem marktregime und das hat man auch schon im live track record gesehen sowohl jetzt bei liberation day als auch letztes jahr im sommer bei den yen carry trades.

00:26:23: die relative performance war super stabil da gab es keine großen ausschläge und das ist auch der vorteil.

00:26:30: das ist vielleicht noch ein wichtiger punkt bei den quant zwei punkt null strategien oder bei den ki strategien im system archen investieren.

00:26:37: Früher hatten wir das Problem mit Overfitting.

00:26:40: Das heißt, wir haben uns die Vergangenheit angeguckt und haben dann Multifaktor-Modelle gebaut.

00:26:44: Die waren dann super komplex und haben dann die Vergangenheit super erklärt.

00:26:47: Nur das Problem war, in der Zukunft haben sie nicht funktioniert.

00:26:50: Sie hatten in der Vergangenheit einen Sharp Ratio von, oder Information Ratio von zwei und dann live hatten sie eins vor zero Komma eins.

00:26:58: Und das lag ein bisschen daran, dass man diese Modelle einfach zu sehr auf die Vergangenheit zugeschnitten hat.

00:27:04: Und dadurch, dass man auch so wenige Faktoren hatte.

00:27:07: Das waren ja in der Regel maximal fünf, sag ich mal, hatte man auch nicht viele Stellschrauben, wo man was ändern konnte.

00:27:12: Jetzt mit den neuen Modellen, wo wir vierhundert Faktoren haben, mit verschiedenen Entscheidungsbäumen und Hierarchie-Ebenen, haben wir so viele Parameter, dass eigentlich jeder Datensatz, der dazukommt, macht das Modell robuster und macht auch die Wertentwicklung robuster.

00:27:27: Das ist ein Riesenvorteil.

00:27:28: Das ist ein Meilenstein, muss man sagen.

00:27:30: Das ist eine ganz andere Welt.

00:27:32: Aber die Entsch... Also eine... die Möglichkeit zu entzipieren was das modell wann wie macht dies dann nach wie vor nicht da weil das wird ja dann noch komplexer.

00:27:43: also wenn ich jetzt zum beispiel in bestimmten portfolio manager kenne den ich schon lange begleite und den ich schätze Ich nehme jetzt mal hier Portfolio Manager von PikT aus der Vermögensverwaltungsseite.

00:27:57: Dann weiß ich ungefähr, was die in welcher Marktphase machen werden und bin auch ein bisschen darauf vorbereitet, wann das Portfolio verwundbar ist oder wann es auch performt.

00:28:05: Das ist jetzt in diesem Bereich ja nicht so und die zunehmende Komplexität und die Leistungsfähigkeit und auch die Rechenfähigkeit des Modells macht das ja eigentlich noch schwerer, das zu antizipieren.

00:28:19: Ich würde sagen, man muss es vielleicht auch gar nicht antizipieren.

00:28:22: Weil am Ende des Tages, solange die Performance stabil ist, und davon gehen wir mal aus, weil das ist das, was die Kollegen auch in mehr als zwanzig Jahren Rückrechnungen rausgefunden haben, dass also die Performance wirklich ziemlich stabil war.

00:28:37: Ziemlich stabil.

00:28:38: Es gab zwar auch ein paar Kalenderjahre, wo wir mal einen Maginal unter dem Index lagen, aber die meisten Jahre war die Outperformance wirklich sehr ordentlich und auch stabil.

00:28:47: Also insofern sollte man der KI vielleicht ein bisschen vertrauen.

00:28:53: an der Stelle und auch nicht hinterfragen, warum jetzt die Allokation so oder so ist, solange das Ergebnis gut ist.

00:29:03: Wir Menschen wollen immer gerne alles nachvollziehen und alles kontrollieren, aber an der Stelle, glaube ich, kann man es auch gar nicht wirklich immer nachvollziehen und kontrollieren.

00:29:11: Wie gesagt, wir können gut darlegen, warum eine Aktie über oder untergewichtet ist, ja, aber wir können nicht antizipieren, wie das Modell in sechs Monaten ausschauen wird.

00:29:20: Und da sind wir im Prinzip genau an der Stelle, wo vielleicht so mancher dystopischer Kinofilm mit künstlicher Degenz ins Gericht geht.

00:29:28: Also was wir jetzt mit diesen engen Bandbreiten, die euer Haus, dem Modell zugesteht, in dem Bereich sind, den Du nennst Index Enhanced.

00:29:39: Kommen wir doch je weiter wir sozusagen die Schleusen öffnen, in dem Bereich wo wir eher von dem Hedgephone sprechen müssen, bei dem man eine Blackbox hat, da wird viel gerechnet, da wird viel Da wird viel, viel gerüttelt und dann kommt irgendwann ein Portfolio raus.

00:29:53: Wir können nicht richtig antizipieren, zumindest mal kognitiv nicht antizipieren, was in welcher Marktphase rauskommen wird.

00:30:01: Wir hoffen einfach, dass das gut wird, weil es rückwärtsgerechnet funktioniert hat.

00:30:05: Aber dann sind wir doch eigentlich bei einem Hedgephone.

00:30:06: Und dann ist die große Frage, wann sind wir denn sozusagen bei einem Portfolio, dass den Index mit einer hohen Wahrscheinlichkeit, die wir rückrechnen können, schlagen wird?

00:30:15: Und wann sind wir bei einem Hedgephone?

00:30:17: Wann sind wir wirklich bei der Blackbox?

00:30:20: Und wann verabschieden wir uns sozusagen aus einem Zufall, aus einem Zufallätsigkeitsband, dass im Institutionellen Asset Management als total guter Baustein funktioniert?

00:30:34: Und wann kommen wir quasi in den Bereich, wo wir darauf hoffen, dass die Blackbox funktioniert?

00:30:40: Ja, also wie gesagt, mit der Blackbox habe ich glaube ich schon relativiert, dass wir ziemlich gut nachvollziehen können, warum wir wie positioniert sind und wo die Performance herkommt.

00:30:50: Hedgefonds, ja, könntest du nicht wissen, aber wir haben das ganze auch als Longshotfonds nochmal aufgelegt, dieses Jahr im April, wo wir also auch die Shortseite implementieren.

00:31:00: Und auch das funktioniert sowohl im Live-Track-Record als auch im Backtest oder in der Rückrechnung.

00:31:10: Sehr, sehr gut, sehr, sehr stabil.

00:31:13: Also extrem gutes Sharp Ratio.

00:31:14: Wir haben das auch schon einigen Hedgefondsstrategien, Multi-Strategies haben wir das in Teilen selber gemacht mit echtem Geld.

00:31:22: Seit etwa eineinhalb Jahren und auch da sind die Ergebnisse sehr, sehr gut für die Long Short Variante.

00:31:29: Da ist die Abgrenzung dann vielleicht ein bisschen schwierig zwischen Hedgefonds und Long Only.

00:31:33: Aber wie gesagt, diese Signale funktionieren nicht nur auf der Long Seite, sondern eben auch auf der Short Seite.

00:31:39: Und dann hat man halt kein Beta von eins, null, sondern von null, und Marktneutral bleibt es auch.

00:31:45: Und da kann man ein bisschen mehr mit der Volatilität spielen.

00:31:48: Also die Long Short Variante hat mehr Risikobüge, hat also eine höhere Volatilität.

00:31:56: Da ist es halt eine absolute Volatilität und in der Long Only Variante ist es relative Volatilität.

00:32:02: Dadurch, dass natürlich auf der Long Only Seite hat man ja nur die Long Signale, die man umsetzt.

00:32:06: Also im Prinzip nur die Hälfte des Alphas.

00:32:08: Dementsprechend hat man auf der Long Short Variante dann eben mehr Wohler und mehr Risikobidget, weil man eben die Shorts auch noch umsetzt.

00:32:15: Aber vollkommen richtig.

00:32:16: Also wenn ich ein gutes Alpha Signal habe und eine gute Alpha Quelle habe, dann kann ich sowohl Long Only als auch Long Short verwenden.

00:32:24: Was kann man denn über die Performance dieses Long Short Models sagen?

00:32:29: Also sie hat in einem sehr kurzen Zeitraum und das alles mit dem üblichen Compliance Disclaimer.

00:32:33: Pass Performance ist no guarantee for future performance.

00:32:36: Hat sie jetzt in den eineinhalb Jahren etwa ein Schablisch von drei geschafft.

00:32:40: was also extrem gut ist.

00:32:43: Ich würde das nicht langfristig erwarten, die Kollegen sagen, naja, eineinhalb bis zwei ist vielleicht etwas realistischeres.

00:32:49: Aber auch da gab es einige schwierige Marktphasen, da ist das auch sehr, sehr gut durchgekommen.

00:32:55: Von daher sind wir sehr optimistisch, dass das auch zukünftig gut funktionieren sollte.

00:33:00: Und vielleicht noch mal ein Wort zum kommerziellen Erfolg, der uns nämlich auch sehr positiv beeindruckt hat.

00:33:06: In der Long Only Variante sind wir schon bei über eineinhalb Milliarden Assets in einer relativ kurzen Zeit, eineinhalb Jahre.

00:33:14: Und in der Long Short Variante sind wir bei knapp zweihundert Millionen.

00:33:17: Also...

00:33:18: Nicht schlecht dafür, dass der Kollege Computer die Arbeit eigentlich macht.

00:33:21: Genau, genau.

00:33:22: Ja, das ist absolut richtig.

00:33:24: Also, PikT

00:33:25: steigt auf zu einem Unternehmen aus der Plattformökonomie.

00:33:30: Ja, ganz so weit würde ich nicht gehen, aber ich sage mal so, der Wettbewerb ist eröffnet und wenn am Ende des Tages die Performance stimmt, dann hat die Strategie auf jeden Fall ihre Berechtigung nicht nur bei uns im Haus, sondern eben auch in Kundenportfolios und das macht uns doch sehr optimistisch, was die Zukunft angeht.

00:33:48: Das war lieber Simon, ein wahnsinnig spannender Einstieg in dieses Thema.

00:33:51: Ich glaube, dass das wirklich noch kaum verbreitet ist und dass er einer der ersten Seite, die das in den Markt bringt.

00:34:00: Ich glaube, alle werden genau hinschauen und ein bisschen Respekt habe ich vor der Frage, was dann künftig tatsächlich bei größeren Bandbreiten möglich ist.

00:34:11: Und ja, ich würde trotzdem sagen, dass sich eure Portfolio-Manager vielleicht schon mal Entweder mit einer IT Ausbildung für das Training von KI beschäftigen oder vielleicht auch in den Bereich Gartenbau gehen.

00:34:30: Nein, Spaß beiseite.

00:34:32: Das wird disruptiv sein und vielleicht werden wir andere Anbieter sehen, die klassischen Asset Management genau ein Werkzeug dieser Art.

00:34:43: anbieten, das schon trainiert ist.

00:34:45: Und vielleicht ist es auch irgendwann ein Geschäftsmodell für euch.

00:34:49: Aber das werden wir sehen und da bin ich sehr gespannt drauf, dass wir weiter mit uns diskutieren.

00:34:54: Super.

00:34:55: Vielen Dank für heute.

00:35:06: Ihre Stiftung oder Ihre Pensionskasse zur Plattform Ökonomie verkommt, sprechen wir jetzt noch mal über gutes alte Selektionshandwerk.

00:35:16: In einem Kontext, der es schwieriger macht, nämlich, ich habe es eingangs gesagt, die das Auffinden von Dividenden-Aktien, die nicht stark nähern, ist schwieriger geworden.

00:35:25: Und das habe ich mit Saga Sankhi auf dem Private Banking-US diskutieren dürfen.

00:35:30: Er ist Portfolio-Manager bei Guinness Global Investors.

00:35:32: Ich freue mich jedes Mal, wenn ich die Kollegen von Guinness Global Investors beim Private Banking-Kongress treffen darf.

00:35:38: Und wir haben sehr offen und sehr klar diskutiert, wo die Herausforderungen aktueller Dividenden und Income-Portfolios liegen.

00:35:46: Freuen Sie sich drauf.

00:36:03: Hören, liebe Hörer, wir sind noch bei dem Private Banking-Kongress und wir haben uns einen Formalanger von Guinness Investment geschnappt, der den Bereich Global Equity Income abdeckt.

00:36:19: I switched to English.

00:36:20: Very welcome, Sagar.

00:36:22: Thank you from Guinness Global Investors.

00:36:24: Thank you.

00:36:25: Good to have you in our podcast.

00:36:26: Welcome.

00:36:27: Thank you very much.

00:36:28: We are very curious because in the German speaking area we are happy to have dividends in our conservative portfolios, but we were trapped in the past in a lot of market periods that we enjoyed getting dividends.

00:36:45: Wir haben nicht so viele Gröschen in diesen Firmen gesehen und diese Markenwerte wurden auch mehr dominiert durch Text- und Gröschen und wir haben gesehen, dass diese klassischen Income-Portfolien, die wir in Europa wissen, dann ein bisschen spielbar durch Text- und Text-Docs.

00:37:02: Das ist die gesamte Situation.

00:37:04: Ich bin sehr interessiert, was die Antwort der globalen Investoren

00:37:10: ist.

00:37:10: So, wir nehmen ein differentiated approach to income investing.

00:37:15: I think traditionally you have income investing in these high yielding sectors, these high yielding stocks.

00:37:22: Our approach is rather than seeking high dividend yields, we're looking for dividend growth and perhaps more moderate yields.

00:37:30: And the way we do that is we take a quality first approach.

00:37:34: Wir sind vor allem für Qualitäts- und Qualitäts-Kompagnen und vor allem für die Kompagnen, die aufgrund eines Geschäfts- und Geschäfts-Zeiten haben.

00:37:46: Was das bedeutet in unserer universellen Konstruktion ist, dass es eigentlich viele von den Sektoren, die vielleicht mehr Komodität, Energie und Material sind, oder mehr regulierte Bereiche von dem Markt, wie Utilities, Telcos, Banken und so weiter, Diese sind oft auch die höchsten Yield-Sektionen, die Sie v.a.

00:38:08: in Europa finden.

00:38:09: Wir sind ein bisschen differenziert, dass die Qualitätsspekte von unserem Investement-Univers eine Menge von diesen Sektionen entfernt.

00:38:18: Und es bedeutet, dass der Fokus für uns ist um Qualitätskompagnen, die sich über die

00:38:24: Zeit der Dividenden gestalten können.

00:38:26: Ich sehe.

00:38:26: So, gehen wir zu den Details.

00:38:27: Es ist sehr interessant, dass Sie ein globales Portfolio haben.

00:38:31: Eigentlich, die Dividende Kultur ist mehr von Europa, nicht so viel in den USA, nicht so viel in Asien.

00:38:40: Was ist die globale Erleichterung in deinem Portfolio?

00:38:42: Wir

00:38:43: haben rund fünfzehn Prozent im Moment in den USA, die rund zwanzig Prozent unterwärts in den USA, in der MSCI-Welt.

00:38:52: Wir haben rund zwanzig Prozent überwärts in Europa.

00:38:57: Und wir sind breit in Linie in Asien mit Blick auf die MSCI-Welt.

00:39:03: Aber all die Stock-Decisionen im Portfolio sind aufgrund des bottom-up Fundamentals.

00:39:09: Wir haben keine Benchmark-Allikationen, wenn wir die Portfolie verbinden.

00:39:18: Das ist der Resultat der Bottom-Up-Stock-Selektion.

00:39:21: Alle anderen Top-Down-Topiken sind auch in Ihrem Maschinenraum diskutiert.

00:39:27: Wie gesagt, siehst du, dass Donald Trump eine große büchste Bühne ist, in den Sektionen und in den USA, und das ist auch deine Selektion oder nicht?

00:39:38: so

00:39:38: viel?

00:39:38: So, not so much.

00:39:40: We describe ourselves as being macro aware, but macro agnostic.

00:39:46: And similarly in terms of the benchmark, benchmark aware, but benchmark agnostic.

00:39:51: And we're trying to build a portfolio for the long term.

00:39:54: So it can weather different political winds, different noise, news, and it's a portfolio that has stocks that have weathered many of these sorts of occasions in the past as well.

00:40:06: Wenn wir sagen, wir sind macro-aware, aber macro-agnostisch, was wir wirklich bedeuten, ist, wenn wir die Stoxen und ihre Fundamentale anschauen, dass wir schauen, wie sich die macro- oder politischen Risiken von einem bottom-up fundamentalen Perspektiv von individuellen Stoxen betrachten, statt von einem

00:40:28: top-downen Ansatz zu einigen Themen.

00:40:29: Ich sehe, wir kommen zurück zu diesem Thema.

00:40:33: Lass uns ein bisschen auf einem höheren Level sein, um die Idee des Portfolios zu verstehen.

00:40:38: Wenn Sie über Qualität sprechen, sind sie... billion definitions of quality on this Congress and in the financial world.

00:40:48: So what are actually done your quality factors in stock selection and stock analysis.

00:40:54: Good question.

00:40:55: So maybe every fund manager tells you they look at quality companies.

00:40:59: We think we have quite a stringent way of defining this.

00:41:02: And it's a criteria that we call the ten over ten criteria.

00:41:07: So in practice we take sixteen thousand global companies.

00:41:12: Wir haben diese zehn über zehn Kriterien, die für eine Firma passen müssen.

00:41:16: Sie müssen mindestens ein zehn Prozent Rettung auf Kapital haben, über zehn konsequente Jahre.

00:41:24: Und wirklich, was wir hier sehen, ist die persistente Profitabilität.

00:41:29: Und diese Zahlen sind nicht arbitrativ.

00:41:32: Also, wenn du die Hälfte von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe von der Höhe.

00:41:58: Business Cycles, if you look at the last hundred and seventy years in the US, only two business cycles have lasted longer than ten years.

00:42:07: So what it's telling us is that these companies that have this persistent profitability, they've done so in different business cycles, different economic conditions, different competitive forces and maintain that high profitability.

00:42:21: So, this process is more structural driven, not tactically driven.

00:42:28: You will then ignore many noises from outside that we discuss in our normal regarding the financial markets and this is not driving what you actually select in your portfolio.

00:42:43: No to some extent, but what we find is that actually this criteria gibt es einen Universum von rund sixhundert Unternehmen.

00:42:52: Da gibt es eine Höhe von ninety-fünf Prozent.

00:42:54: Und da gibt es einen hohen Turn-over in diesem Universum.

00:42:59: Und der Grund für das ist, dass wir in den letzten zehn Jahren schauen, Und es sollte bemerkt werden, dass bis zum Jahr two-thousand-und-nineteen das Finanzenkrisis hat.

00:43:08: Jetzt ist es, wenn es die Covid-Jahre hat.

00:43:10: Ja.

00:43:10: Also, wenn die Profitabilität der Firmen in diesen Black Swan-Karrieren gesetzt ist, würde es nicht in unser six-hundert-Komponenten-Univers sein.

00:43:19: Aber was wir finden, ist, dass es eigentlich ein Powerful-Leading-Indikator ist.

00:43:24: So, there's a ninety-three percent probability that if a company qualifies in our ten over ten criteria, it will continue to do so in one year, and eighty percent probability it will still do so in three years.

00:43:37: So by that nature there's quite low turnover in the types of companies that filter through into our universe.

00:43:43: But if you have this history, that's nice, but we have some challenges in front of us, like demographic Changes like influence of climate change factors that will influence a productivity in southern Europe, let's say, or in other countries.

00:44:05: The influence of AI, of course, so many things are going on currently and also maybe the Kapital Kostoff Kapital regarding regulations that will change in US.

00:44:19: We just learned this morning for Europe.

00:44:22: There will be some new thoughts.

00:44:26: So many things that defined the last ten years will have to be analyzed under new rules and under structural changes.

00:44:38: What is your answer to this regarding that you're actually Start with the filtering of the history.

00:44:46: So, as I mentioned, we think it's a powerful leading indicator.

00:44:49: And the reason that this criteria hasn't changed since we launched the fund in two thousand and ten is because in the last fifteen years there's been, like you mentioned in the future, there are all of these challenges or opportunities that have also been the same in the last fifteen years.

00:45:06: And when we look at the fund and the companies that we have in the fund, Diese haben gewöhnliche Störungen wie so.

00:45:13: Sie haben ihre Möglichkeiten gewohnt.

00:45:16: Und wie wir den Fund, oder wie der Fund in den letzten fünf Jahren behauptet, ist vorhanden, dass es ausgestattet ist, wenn es noch keine Betrachtung gibt.

00:45:27: Ja.

00:45:27: Also, diese Firmen, die wir in dem Portfolio picken, haben das Resilienz und das Späns von ihnen, die diese Qualitätscharakteristen haben, auch.

00:45:37: Und wir glauben, dass das weitergeht, egal was der Markt ist, was der Präsident ist, was der Partei ist, was die Politik ist, was die Herausforderungen in der Zukunft

00:45:47: kommen.

00:45:47: Und diese Art und Weise geben für deine Investitionen eine bestimmte Stabilität in die erwähnte Performance-Returnen, oder?

00:45:54: Was ist die Geschichte der letzten zehn Jahre des Endes-Returns?

00:45:56: Also, wir haben fast die gleiche Rente der MSCI-Welt.

00:45:58: Und die Fund- und die MSCI-Welt, wenn Sie die Performance sehen, sind

00:45:59: es seit dem Jahr zwei Jahrzehnte.

00:46:00: Es ist so ähnlich.

00:46:01: Die zwei Läden, wenn Sie die Performance-Basis sehen, sind ziemlich nahe.

00:46:05: Aber das ist mit einer Betage von weniger als bei einer Betage von weniger als bei einer Betage von weniger als bei einer Betage von weniger als bei einer Betage von weniger als bei einer Betage von weniger als bei einer Betage von weniger als bei einer Betage von weniger als bei einer Betage von weniger als bei einer Betage von weniger als bei einer Betage von weniger als bei einer Betage von weniger als bei einer Betage von weniger als bei einer Betage von weniger als bei einer Betage von weniger als bei einer Betage von weniger als bei einer Betage von weniger als bei einer Betage von weniger als bei einer Betage von weniger als bei einer Betage von weniger als bei einer Betage von

00:46:38: weniger als bei einer Betage von weniger als bei

00:46:40: einer Betage von weniger als bei einer Betage von.

00:46:41: All das, was wir vorhin geredet haben, ist die Größe.

00:46:43: Und die Größe ist sehr nahe.

00:46:44: Die FANGs, die FANGmans, die Magnificent Seven, die Grenolas.

00:46:47: Aus der Magnificent Seven, die einzige Firma, die wir in unserem Portfolio haben, ist Microsoft, die wir seit dem Launch im Jahr Jahrzehnte haben.

00:46:55: Die Fremden in dem Portfolio sind vielleicht nicht diejenigen, die die Frontpages der finanziellen Zeiten machen, sondern sie sind deine Qualitätskomponenten.

00:47:02: dass, wenn du ein langsamer Investor bist, dass du das Marktwert in diesem Fall nicht mehr riskierst.

00:47:10: Und ich würde sagen, dass du nicht so viele strukturelle Risiken hast, die diese gesehen oder nicht gesehen invisibel oder invisibel sind.

00:47:19: Ich denke, der normalen MSCI-Portfolio ist wirklich depending on the success of the tech stocks, and you avoid that.

00:47:29: So, we're not actively avoiding them.

00:47:32: In fact, they don't, well, until recently they weren't paying a dividend.

00:47:37: Every company in the portfolio must pay a dividend.

00:47:41: And yes, it's very topical at the moment that

00:47:45: a

00:47:46: quite a significant portion of returns over the last two and a half, three years have been driven by a narrow group of companies.

00:47:52: The MAG seven, eight, the fangs as I mentioned.

00:47:57: In diesem Portfolio wird die

00:48:07: P-Evaluation sehr interessant sein und vielleicht auch die Revenue- und E-Bit-Großrate für die nächsten Jahre.

00:48:15: compared to the MSCI world?

00:48:18: Yeah, absolutely.

00:48:19: In fact, I have it here.

00:48:20: The portfolio trades at a PE multiple of twenty times on a one year forward going to eighteen and a half times on a two year forward.

00:48:30: It's at a slight, it's at a two point two percent discount to the MSCI world going to around a flat rate compared to the MSCI world in two rates in two years.

00:48:41: So we're quite pleased with that given its quality companies that we're owning.

00:48:44: Manchmal muss man sagen, dass man die Qualität überpähen muss.

00:48:48: Wir glauben nicht necessarily so.

00:48:50: Und ich denke, dass die Profis in diesem Fall im Portfolio sind.

00:48:53: Wie viele Stocks haben Sie im Portfolio?

00:48:54: Es sind immer nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur

00:48:56: nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur

00:48:58: nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur

00:49:07: nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur nur So, um die Stocks repräsentieren, welche Sektorenlokationen, weil man könnte sagen, dass man so nah zu den MSCI World Performance ist, die sehr impressiv ist.

00:49:20: Und man hat diese Überwege und Tech und andere Sektoren, welche Sektoren man betrachtet.

00:49:26: Also

00:49:27: wir haben eine Überwege zum Konsum von Stapels, Industriellen.

00:49:31: Was ist das für ein absoluter Gewicht?

00:49:33: Ja, absolut.

00:49:34: Wir haben eine Erleichterung von ca.

00:49:36: auf den Konsum von Stapeln.

00:49:37: Das ist das größte...

00:49:39: Das ist das größte Sektor in der Pfund.

00:49:41: Und

00:49:42: das betrifft rund eine Sechs-Persen-Welt in der MSCI-Welt.

00:49:45: Es ist eine Seventin-Persen-Welt.

00:49:48: Wir haben eine Zwölf-Persen-Welt für Industriele, und eine Sechs-Persen-Welt für Healthcare.

00:49:54: Wir haben nichts in den Regulierten und Komoditätsektoren, die ich erwähnt habe.

00:49:59: Energie, Materiales... Utilities, Real Estate, wir haben nichts in Banken, also wir sind relativ unterweight, als die MSCI Welt.

00:50:08: Unsere größte Unterweight ist im Moment die Konsumer-Discretion und die IT, die rund um das Zehn Prozent markt.

00:50:18: Also, ich würde sagen, das ist ziemlich müde, aber sehr, sehr performant,

00:50:24: oder?

00:50:25: Ja, du kannst, ich glaube, für bessere Adjektive.

00:50:28: Aber ich denke, was wir hoffen, ist, dass diese Philosophie, diese Prozess nicht in den letzten fünf Jahren geändert hat.

00:50:36: Und es hat continue zu performieren, wie wir uns erwähnt haben.

00:50:40: Und wenn du

00:50:40: die ganzen Änderungen schaust, was könnten die möglichen Schritte für das Prozess modernisieren?

00:50:50: Was ist maybe AI adding to your selection?

00:50:55: What changes in governance came into your portfolio management process in the last years?

00:51:01: I think every portfolio manager will have to adapt things that optimize the portfolio administration and the portfolio allocation.

00:51:10: Was sind deine Erlebnisse und was wird für die Investitionsprozesse in den nächsten Jahren

00:51:18: adoptiert?

00:51:18: Ich denke, es sind incrementale Erlebnisse.

00:51:20: Wir haben die Analyse-Team gebaut.

00:51:23: Wir haben einen Analyse pro Jahr für die letzten fünf Jahre geöffnet.

00:51:30: In A.I.

00:51:32: ist ... wird in unserer Data-Day-Werk gewohnt, predominantly aus einer Forschungsperspektive.

00:51:39: Es erinnert uns auf das Analyse der Forschung vielleicht schneller.

00:51:44: Es erinnert uns auf die Antworten auf Fragen schneller.

00:51:48: Es erinnert uns auf das Download-Data ein bisschen mehr effizienter.

00:51:51: Es ist in diesen Artikeln ein Data-Day-Basis, in dem wir effizienter Gänge machen können.

00:52:01: Ich denke, das ist ... in den letzten Jahren oder so.

00:52:05: Ich denke, dass wir einen Effekt haben, wie wir über den ESG geformuliert haben.

00:52:12: Das war eine Evolution.

00:52:15: Während wir immer Gouverneurfaktoren in unserem Fundamentalen Analyse haben, haben wir das Prozess geformuliert, in dem wir eine Quantitative ESG-Scorecard haben, die wir in Haus bauen.

00:52:27: Das Fokus auf das ist wirklich Materialität für eine Firma oder eine Industrie.

00:52:31: Wir folgen das mit einem qualitativem Assessment, um die ESG-Skores, die Polizisten, die Risiken und die Möglichkeiten zu verstehen.

00:52:44: Oft gibt es uns eine Methode, um uns in unserer Proxy-Voting- und Engagement mit Unternehmen

00:52:50: zu folgen.

00:52:51: Und deine Analyse zu besuchen die Unternehmen von sich selbst?

00:52:54: Oder sie zu downloaden?

00:52:55: Goldman Sachs Reports.

00:52:58: So,

00:52:58: we don't see it as a prerequisite to meet management.

00:53:02: There are a few reasons for that.

00:53:06: We predominantly focus on quite large companies and we find that a lot of the information is readily available, be it in transcripts, be it via the analyst community, the cell side research community.

00:53:22: Wir finden oft, dass man nicht unbedingt von hier und in der gleichen Information verdienen kann.

00:53:29: Unser Prozess startet quantitativ.

00:53:35: Wir bauen einen quantitativem Modell, um den Titel vor der Geschichte zu machen.

00:53:40: Das ist sehr regerisch und detailliert.

00:53:42: Wir folgen das mit einem equalen, regerisch qualitativem Prozess, um die Unternehmen zu verstehen, die Revenübungen, die Managementteams, die Industrie, die MOTE.

00:53:52: Und, wo wir uns mit Management befinden, ist es lediglich von uns.

00:53:58: Ja.

00:53:58: Also, wo wir specific Fragen zu Strategie, zu ESG haben, und wo wir specific Antworten bekommen wollen.

00:54:07: Also, das ist, wo wir finden, dass es für uns wichtig ist.

00:54:10: Ja.

00:54:11: Okay.

00:54:12: Interessant.

00:54:12: So, ich fahre ein bisschen, wir haben ein Element, das uns die MSCI World Performance, das ist ein bisschen günstiger.

00:54:23: In terms of PE ratio has dividend yield of two point five percent.

00:54:27: What is the growth rate of this dividend yield for next years?

00:54:30: Can you say this?

00:54:31: Yeah, so I've got the exact number.

00:54:33: Well, it's around four and a half percent.

00:54:36: So it's been a kagar of four and a half percent over the last sort of fifteen years.

00:54:41: Das ist höher als die Inflation.

00:54:42: Ja, und du hast die Low-Beta zu MSU World erwähnt.

00:54:46: Also ein sehr interessantes Brick in der Wall und auch ein Element, das uns ein bisschen mehr von US-Tek independent ist.

00:54:57: Und alle Überweite, die wir in MSU World

00:55:00: sehen.

00:55:00: Und wenn ich das mit einer finalen Analyse aus dem Fund komme, ist, dass wenn wir die Performance sehen, Seit den Jahrhunderten haben wir in der MSCI-Welt von ca.

00:55:10: thirteen Drawdowns festgestellt.

00:55:13: So ungefähr ein Jahr, und jederzeit ist es anders, wie gesagt, von Taper-Tantrums, zu Chinese Sell-Offs, zu Inflation-Konzerns, zu Covid.

00:55:24: Der Fund hat in jedem einzelnen Drawdowns ausbeformen.

00:55:29: In jeder von diesen thirteen haben wir die MSCI-Welt ausbeformen, als es ein Drawdown

00:55:34: war.

00:55:35: als die Konsequenz unverformt, als Tech eine große Partie

00:55:39: hatte.

00:55:39: Yes, as we would expect.

00:55:41: Yes.

00:55:42: So that's not when you would expect the fund to outperform.

00:55:45: Absolutely.

00:55:46: Yes.

00:55:46: Yes.

00:55:47: One last word on Guinness Global Investors.

00:55:51: You're based where and what is?

00:55:53: what is the nature of the other portfolio that are managed by Guinness Global Investors?

00:55:58: Sure.

00:55:58: So we're based in London.

00:56:01: We are a boutique asset manager.

00:56:02: We do long only equities.

00:56:05: There is no relation to the Guinness beer.

00:56:06: Wir haben Strategie within Global, das betrifft den Global Equity Income Fund, den wir heute gesprochen haben.

00:56:16: Wir haben auch einen Global Growth Fund, den Global Innovators Fund, und dann runnen wir Portfolien in anderen Bereichen, Asia, wo wir wiederum Income und Growth Produkte haben, und dann Spezialist-Funds auch in Energie, in sustainabelem Energie.

00:56:36: Wir haben vorhin eine Real Assets-Fund auch eröffnet.

00:56:40: Und alle diese folgen eine wesentliche simile Struktur, in der sie hohe Konviction-Portfolien sind.

00:56:47: Sie sind völlig investiert und

00:56:52: equilibriert.

00:56:52: Das war eine neue Folge von Das Große Bild.

00:57:13: Mein Name ist Christian Hammes, ich bin Family Officer, Beirat und Treasurer und wir machen diesen Podcast für meine Berufskollegen, für professionelle Anleger, für alle, die in unserer Branche arbeiten und für alle, die sinnvolle und schlaue Anlageentscheidungen treffen wollen.

00:57:29: Wenn Sie uns nicht verpassen wollen, abonnieren Sie uns gerne.

00:57:31: Und wenn es Ihnen gefallen hat, dann hilft es uns sehr, wenn Sie uns eine positive Bewertung auf Ihrer Podcast-Plattform hinterlassen.

00:57:38: Schreiben Sie uns auch gerne einen Kommentar.

00:57:40: Und wenn Sie sich bei allen Themen gerne unter build.pensum.pictures an mich und Ihre Reaktion.

00:57:47: Und wenn Sie über die Taktiktafel höherbar und sichtbar werden wollen, hinterlassen Sie ein Video oder eine Sprachnachricht auf unserer WhatsApp-Mailbox unter.

00:58:02: Und wenn Sie als Werbepartner ermöglichen wollen, dass es diesen Podcast überhaupt gibt, sind Sie in besten Händen bei Vanessa Blome und dem Marketingteam der Edelstoff Media GmbH.

00:58:12: Alle Kontaktdaten finden Sie in den Shownotes.

00:58:15: Ich bedanke mich bei Ihnen sehr herzlich fürs Zuhören.

00:58:17: Das große Bild ist eine Produktion von Pensum Pictures für das Private Banking-Magazin und Eta Family Office, Audio-Redaktion im Studio des Private Banking-Magazins Martin Fornweck-Brückner.

00:58:29: Vermarktung Vanessa Blome.

00:58:31: Wir freuen uns auf Sie in der nächsten Woche.

00:58:33: Alles Gute.

00:58:34: Bis zum nächsten Mal.