VERMÖGENSVERWALTUNG
Wie Big Data
die Finanzwirtschaft
beeinflusst

Let's go!

VERMÖGENSVERWALTUNG
Wie Big Data
die Finanzwirtschaft
beeinflusst

VERMÖGENSVERWALTUNG
Wie Big Data die
Finanzwirtschaft beeinflusst

Die Finanzwirtschaft steht vor einer Revolution. Big Data, künstliche Intelligenz oder auch alternative Daten: Alle diese Konzepte werden die Datenanalyse, die Vermögensverwaltung und auch die Interaktion mit Ihrem Vermögensverwalter grundlegend verändern. Entdecken Sie diesen Wandel zu einer datengetriebenen Finanzwirtschaft.

Willkommen im
Datenzeitalter

Willkommen im
Datenzeitalter

Willkommen im
Datenzeitalter

„Künstliche Intelligenz könnte die absolut letzte Version von Google sein. Eine Suchmaschine, die das gesamte Web verstehen könnte und genau weiss, was Sie wollen“

Wir sind im Jahr 2000. Als er diese Worte ausspricht, weiss der Mitgründer von Google Larry Page bereits, wo er hin will, obwohl das Internet noch in den Anfängen steckt und Big Data erst ein vages Konzept ist.


2017 ist der Begriff Big Data in aller Munde und künstliche Intelligenz (AI) ist nicht mehr nur eine Nische oder Futurologie: Die meisten Branchen haben in diesem Bereich Projekte entwickelt. Mit seinem berühmten AI-System Watson möchte IBM zum Beispiel die Medizin revolutionieren, indem den Ärzten mit Hilfe von Analysen massiver und relevanter Daten präzisere Diagnosen ermöglicht werden.

Revolution in der Finanzwirtschaft in vollem Gange

Diese Bewegungen verändern gerade auch die Finanzwirtschaft. Ein Wettlauf um Daten, der eigentlich nicht neu ist: In der Branche werden bereits täglich Unmengen von Informationen und Transaktionen ausgetauscht. Aber während die analysierten Daten noch vor zehn Jahren hauptsichtlich in direktem Zusammenhang mit den Märkten und Transaktionen standen (Finanzinformationen, Berichte der Regulierungsbehörden, Börsenindikatoren etc.), sind die Daten heute vielseitiger, zahlreicher, weniger strukturiert und aus verschiedenen Quellen.

Das Volumen der digitalen Zahlungen ist immer noch am Steigen: Sein jährliches Wachstum überschreitet zum ersten Mal 10 % und erreichte 2015
426,3 Milliarden Transaktionen.
Das sind 100 Milliarden mehr als 2012.

Die laufende Revolution im Finanzsektor wird durch das explosionsartige Volumen digitaler Informationen stimuliert: 90 % der Daten auf der Welt wurden in den letzten zwei Jahren erstellt und nur ca. 1 % werden heute aktiv analysiert. Das Verbesserungspotenzial ist enorm. Zurzeit werden diese Daten manchmal in sogenannten Daten-Seen (data lakes) gestaut. Doch sind diese nicht auswertbar, solange wir keine Systeme bauen, die diese autonom und evolutionär analysieren können.

Künstliche Intelligenz als Beschleuniger

Hier kommen maschinelles Lernen (machine learning) und künstliche Intelligenz ins Spiel, die tiefgreifende Veränderungen im Bankwesen ankündigen: das Zeitalter der „data-driven finance“ hat gerade erst begonnen. Und aus gutem Grund: Nach einer Studie von Gartner und Idate dürfte die Anzahl der auf der ganzen Welt vernetzten Objekte bis 2020 zwischen 50 und 80 Milliarden betragen. Dies bedeutet, dass jeder Mensch durchschnittlich 6 vernetzte Objekte besitzt, die ebenso viele Datensender darstellen.

Im Jahr 2020 wird jeder Mensch durchschnittlich 6 vernetzte Objekte besitzen, die ebenso viele Datensender darstellen.

Ob es darum geht, die Kundenberatung durch Produkte zu verbessern, die an das Konsumverhalten angepasst sind, Kontenbewegungen zu analysieren, um einen Bedarf vorauszusagen oder die Verwaltung mit Hilfe von alternativen Daten zu verbessern: Die künstliche Intelligenz öffnet die Türen für eine neue, datenbasierte Finanzwirtschaft.

„Banken werden zu Technologieunternehmen“

Vom 16. bis 19. Oktober 2017 wurde in Toronto die SIBOS, die grösste Finanzmesse der Welt, mit dem Thema „Building the Future“ statt finden. Eine Zukunft, in der die Technologie mit Sicherheit einen wachsenden Platz in der Finanzwirtschaft einnimmt. Sie wird auch auf der Messe selbst mit der verstärkten Anzahl von Technologieanbietern im Mittelpunkt stehen. Die SIBOS ist ein grosses Ideenlabor für die Finanzwirtschaft von morgen.

Alain Raes, Chief Executive APAC und EMEA bei Swift

Die Ausgabe 2016 in Genf versammelte über 8000 Teilnehmer. Alain Raes, der Chief Executive APAC und EMEA bei Swift, den Organisatoren der Messe, die standardisierte Nachrichtendienste zwischen Banken auf der ganzen Welt anbieten, liefert uns seine Eindrücke zu den starken Trends der Branche.

Auch dieses Jahr behandelt die Messe wieder zahlreiche Themen aus der Technologie. Was sind die wichtigsten Belange der Finanzbranche?
Die Banken sind zu Technologieunternehmen geworden, deshalb gibt es natürlich ein wachsendes Interesse an diesem Thema. Im Mittelpunkt der Diskussionen und Besorgnisse stehen immer Fragen zur Compliance, die prioritär bleiben. Gleichzeitig weckt das Thema der Cybersecurity im Angesicht der wachsenden Bedrohungen grosses Interesse. Und schliesslich wird die Innovation, besonders im Zahlungsverkehr, sehr diskutiert. Im Technologiebereich sind die Blockchain und die künstliche Intelligenz die wichtigsten Themen.

In welcher Weise können Big Data und die Datenauswertung Lösungen für diese Probleme bringen?
Zusätzlich zu Big Data wird vor allem die künstliche Intelligenz den Bankensektor revolutionieren. Und zwar auf mehreren Ebenen. Zum Beispiel für die Compliance erwarten Finanzinstitute viel von der Autonomisierung der bisher langen, komplexen und teuren Prozesse, insbesondere für Institute, die in mehreren Dutzend Ländern aktiv sind. Die heute verfügbaren Lösungen sind zwar sehr modern, erzeugen aber noch zu viele „false positives“, d. h. in komplexen oder evolutionären Fällen muss die Transaktion durch das System validiert werden, obwohl sie nicht durchgeführt werden sollte. Die künstliche Intelligenz und das maschinelle Lernen dürften in diesem Bereich Lösungen bringen.

Die Blockchain steht auch im Mittelpunkt der Diskussionen, um die Verwaltung der Daten und Transaktionsprozesse zu erleichtern. Können Sie sich vorstellen, dass diese Technologie eines Tages bestimmte Systeme wie Swift ersetzen kann?
Wir bei Swift sehen die Blockchain nicht wie einen Feind, sondern eher wie ein Instrument, das wir testen und entwickeln. Es gibt natürlich viele Diskussionen zu diesem Thema, aber ich glaube, dass man nicht nur den technischen Aspekt betrachten, sondern vor allem den globalen Mehrwert eines Systems gegenüber einem anderen messen sollte. Hier führt das System Swift, das den Banken gehört, zuverlässig täglich über 25 Millionen Transaktionen zu einem äusserst niedrigen Preis aus. Das System ist im Gegensatz zur Blockchain sehr weit verbreitet und standardisiert. Ausserdem spielen wir eine Rolle bei der Verbrechensbekämpfung, indem wir mit den Behörden zusammenarbeiten. Dies heisst nicht, dass wir nicht die Entwicklungen der Blockchain-Technologien genau verfolgen: Wir haben übrigens die Transaktionen identifiziert, für die sie Vorteile bringt, Projekte zum Proof of Concept gestartet, worüber wir übrigens auf der SIBOS einen Zwischenbericht vorstellen.

Sie leben in Singapur. Sehen Sie einen grossen Unterschied bei der technologischen Entwicklung zwischen europäischen und asiatischen Bankinstituten?
Ich würde nicht sagen, dass es bei den Grossbanken grosse Unterschiede gibt. Die Belange sind die gleichen und die Technologien wie Big Data oder Blockchain werden international entwickelt. Dagegen können wir unter den Nutzern grosse Unterschiede bei der Penetrationsrate feststellen. Man sieht übrigens, dass die meisten Nutzer von mobilen Zahlungen in Entwicklungs- und Schwellenländern leben. In China haben Unternehmen wie Alipay oder Tencent in nur wenigen Jahren sogar fast die gesamten inländischen Zahlungen übernommen! Wir werden übrigens auch auf der SIBOS eine Rekordzahl von chinesischen Teilnehmern verzeichnen: Grossbanken, Marketplace oder Fintech.

1%

der Finanzinstitute sehen Big Data als ein kritisches Thema an. Mehr als die Hälfte haben bereits Chief Data Officers eingestellt.

Ein enormes
Potenzial

Ein enormes
Potenzial

„Alternative Daten gehören zu den umwälzendsten Trends, die die Anlageforschung beeinflussen. Und diese Transformation fängt gerade erst an.“

Ihre Facebook-Posts oder Ihr letzter Einkauf auf Amazon haben vielleicht Einfluss auf die Gewährung Ihres nächsten Darlehens und ändern die Finanzanalysen der Banken oder vielleicht sogar den Kurs der Wal-Mart-Aktie. Fiktion? Überhaupt nicht. Mit der Entwicklung des Internets und der sozialen Netzwerke werden phänomenale Datenmengen verfügbar und die Entwicklung des Internets der Dinge wird diese Bewegung noch verstärken.

Was im Internet in 1 Minute alles passiert

  • 3,5 Millionen
    Suchanfragen

  • 452 000
    gesendete Tweets

  • 156 Millionen
    gesendete E-Mails

  • 120
    erstellte Konten

  • 4,1 Millionen
    abgerufene Videos

  • 751 722
    Online-Käufe

  • 342 000
    heruntergeladene Apps

  • 16 Millionen
    gesendete SMS

  • 15 000
    GIFs über Messenger

  • 70 017
    Stunden Heimkino

  • 900 000
    Logins

Diese Daten werden alternative Daten genannt, denn sie stammen nicht aus der Finanzbranche selbst oder von traditionellen Finanzquellen wie Unternehmensergebnisse oder die offiziellen Statistiken von Fahrzeugverkäufen oder die Inflationsrate. Alternative Daten werden bereits seit einigen Jahren in Schwellenländern benutzt. In Abwesenheit von traditionellen Bankdaten stützen sich die Finanzinstitute dieser Länder auf alternative Daten aus sozialen Netzwerken, Navigationssystemen und mobilen Zahlungen, um zum Beispiel über die Gewährung eines Darlehens zu entscheiden. Manchmal ist das System sogar leistungsfähiger: Das in den USA ansässige Entrepreneurial Finance Lab erklärt zum Beispiel, durch Entscheidungen aufgrund von alternativen Daten die Ausfallquote bei Darlehen um über 50 % gesenkt zu haben.

Satellitenbilder zur Analyse von Unternehmen oder der Weizenernte

Die Digitalisierung hat die Nutzung dieser Daten in den entwickelten Ländern und alle Finanzaktivitäten beschleunigt und ist auch für den Aufschwung der Fintech verantwortlich, dieser innovativen Start-ups, die mit Hilfe von Technologien Finanz- und Bankdienstleistungen neu erfinden. Im Asset Management stellt die Auswertung dieser Daten ein enormes Potenzial dar. Sie ermöglichen detailliertere Analysen, aber befreien auch von bestimmten Fristen: Es ist nicht mehr nötig, auf die Quartalsergebnisse bestimmter Unternehmen zu warten, wenn man diese fast in Realzeit durch Auswertung alternativer Daten schätzen kann.

Durch die kürzlichen Fortschritte im Bereich Machine Learning (wenn ein Informatiksystem von allein lernt) können Unternehmen zum Beispiel Millionen von Satellitenbildern pro Tag analysieren. Sie können so auch die Kundenfrequenz bewerten, indem sie die Anzahl der auf dem Parkplatz geparkten Fahrzeuge studieren oder sogar durch Studie der Felder die Weizenernte voraussagen.

Aus welchen Quellen stammen die alternativen Daten?

Menschen
Personenbezogene Daten aus dem Internet, Online-Suche und Onlinekäufe, Soziale Medien, Artikel, etc.

Institutionen
Transaktions- und Austauschdaten, Unternehmensinformationen, Öffentliche und behördliche Daten, etc.

Sensoren
Satellitendaten, GPS-Daten, Energieverbrauch, etc.

Nicht nur offizielle Daten berücksichtigen

Die Entwicklung der alternativen Daten ist auch eine Chance für Investoren, die nicht mehr nur von bestimmten Datenquellen oder externen Analysen abhängig sind. „Investoren sollten für ihre Investitionsentscheidungen nicht nur von offiziellen chinesischen Daten abhängig sein“, schrieb Kate Moore, Chief Equity Strategist für das BlackRock Investment Institute, in einer im Februar veröffentlichten Analyse.

Die Expertin bezieht sich zum Beispiel auf die Auswertung von Satellitendaten, mit denen man in Realzeit (zusätzlich zu den offiziellen Zahlen) Immobilienmärkte beobachten kann, die Analyse von Mobiltelefondaten, um der Entwicklung im Tourismus zu folgen oder auch des E-Commerce, um die Einnahmen von Grossunternehmen schätzen zu können. „Die Analyse von Artikeln und ihrer Häufigkeit in offiziellen chinesischen Medien ermöglicht auch die Richtung vorauszusehen, die die Politik in Bezug auf bestimmte Branchen einschlagen wird“, fügt Kate Moore hinzu.

Aber Vorsicht! Datenmenge ist nicht gleich Datenqualität. Eine der grössten Schwierigkeiten bei der Nutzung von alternativen Daten liegt darin, den Algorithmen beizubringen, zwischen Daten zu unterscheiden, die regelrechte Signale geben und dem „Datenlärm“. Wie kann man bei der Studie von Twitter-Kommentaren die Meinung zu einem Wert oder einem Gebrauchsartikel analysieren und dabei „Fake News“ oder bestimmte ironische Tweets davon unterscheiden? Es gibt noch viel zu tun, aber die Nutzung alternativer Daten wird mit Sicherheit zu einer bedeutenden Wende im Finanzbereich führen.

Damien Challet, Associate Professor an der EPFL, Experte für Finanz und Big Data, spricht über den Einfluss von Big Data in der Finanzbranche und den Aufschwung in der Datenauswertung.

Die Herausforderung:
die Datenauswertung

Die Herausforderung:
die Datenauswertung

Die Verbesserungsrate bei der Auswertung der Daten ist beträchtlich: Nur ca. 1 % aller auf der Welt erstellten Daten würden analysiert. Ihre Wertschätzung in der Finanzwirtschaft bietet zahlreiche Möglichkeiten, insbesondere in der Vermögensverwaltung. Sie kann sowohl bei der Analyse und Auswahl von Investitionen, beim Aufbau eines Portfolios oder sogar bei der Ausführung von Aufträgen eingesetzt werden. Bei diesen drei Etappen könnte die Datenauswertung ermöglichen, die Prozesse und Leistungen zu verbessern, vorausgesetzt, die Vermögensverwalter passen sich diesem neuen Modell an.

Von Big Data zu Smart Data

Während Analysten und Vermögensverwalter als Menschen noch auf einen bestimmten Bereich für die Verfolgung von Werten begrenzt sind, ermöglichen die Technologie und Big Data die Verfolgung einer grossen Anzahl von Werten und die Automatisierung der Prozesse. In diesem Bereich hat die quantitative Finanzwirtschaft bereits eine Länge Vorsprung, indem sie stark in die Forschung und Entwicklung dieser Technologien investiert.

Es geht nun nicht mehr darum, Big Data zu sammeln, sondern daraus nutzbare und relevante „Smart Data“ zu machen. Eine besonders schwere Herausforderung in der Finanzwirtschaft, deren vielfache Parameter und Zyklen ständig neu kalkuliert werden müssen. Für Investoren ist die Entwicklung von zugänglichen, auf Big Data aufbauenden Schnittstellen auch eine Chance, um zum Beispiel die Vermögensverwalter zu vergleichen und die Portfolios zu analysieren und so die Transparenz in der Verwaltung zu erhöhen.

Den gleichen Trend finden wir in der Anlagenverwaltung von vermögenden Kunden wieder, was die Verankerung und Verbreitung dieser technologischen Entwicklungen bestätigt. In dem im August veröffentlichten letzten EY Wealth Management Outlook werden digitale Geschäftsmodelle, die auf der Technologie aufbauen, andere Modelle der Vermögensverwaltung ersetzen.

Neue digitale Modelle

Nach der von EY Suisse veröffentlichten Analyse wird bis 2025 „ein neues und holistisches digitales Geschäftsmodell die klassischen Vermögensverwalter vom Markt verdrängen. EY geht davon aus, dass der globale Marktanteil, der zurzeit fast bei null liegt, bis auf 20 oder 30 % ansteigen wird. Die Eigenschaften dieser neuen Vermögensverwalter? „Sie zeichnen sich durch eine digitale Beratungsmethode aus, gestützt auf die Lebensereignisse, was für die vermögenden Kunden einen regelrechten Mehrwert darstellt“, kommentiert Peppi Schnieper, Partner und Leiter der Strategieberatung bei EY Suisse.

Der Bericht hebt hervor, dass die neuen Softwarelösungen es möglich machen, von den verschiedensten Informationsquellen hohe Datenvolumen einzuholen. Diese stammen von den verschiedensten Anbietern wie zum Beispiel soziale Netzwerke und Kreditkartenunternehmen. Die Zusammenstellung des Portfolios wird so mit Hilfe von Algorithmen optimiert, die die aktuellen Marktdaten integrieren und automatisch durch eine Bearbeitung in Realzeit umstrukturiert werden.

Diese hochmodernen Programme ermöglichen auch, die Kundenpräferenzen in Bezug auf Risiko sowie ihr Anlagenprofil zu bewerten und zu analysieren. Abschliessend stehen über die gesamte Dauer des Investitionsprozesses das Vertrauen und ein positives Kundenerlebnis an erster Stelle der zu erreichenden Ziele.

Was bedeutet Big Data?

Die Big-Data-Revolution setzt einen Zugriff auf grosse Volumen neuer Daten voraus. Es wird Zeit, sich die versteckten Werte dieser Daten anzueignen.

Volumen: mehr Daten

Von...

Terabyte
= 1000 Gigabyte

...zu

Zettabyte
= 1 000 000 000 000 Gigabyte

Relevanz: mehr relevante Daten

Von...

Nützlichen
Informationen

...zu

Neue Informationen
und Anzeiger

Vielfalt: verschiedene Datentypen

Von...

Internen, strukturierten
Daten

...zu

Nicht-strukturierten
Daten

Geschwindigkeit: Daten in Realzeit

Von...

Daten zu festen Terminen…

Monatsberichte

...zu

Ständigem Datenfluss...

Realzeit-Reporting

Mehr Daten

Von...

Terabyte
= 1000 Gigabyte

...zu

Zettabyte
= 1 000 000 000 000 Gigabyte

Mehr relevante Daten

Von...

Nützlichen
Informationen

...zu

Neue Informationen
und Anzeiger

Verschiedene Datentypen

Von...

Internen, strukturierten
Daten

...zu

Nicht-strukturierten
Daten

Daten in Realzeit

Von...

Daten zu festen Terminen…

Monatsberichte

...zu

Ständigem Datenfluss...

Realzeit-Reporting

«2015 war ein Jahr des Umbruchs»

Die Kunden haben inzwischen hauptsächlich digitale Interaktionen mit ihren Banken, behauptet der CEO der Züricher Fintech Qumram. Wie werden diese Daten ausgewertet?

Patrick Barnert,
CEO von Qumram.

Die Züricher Fintech Qumram arbeitet bereits mit Grossbanken und Versicherungen wie UBS, Crédit Suisse oder CSS. Das Unternehmen hat eine Technologie entwickelt, mit der die Online-Aktivität der Nutzer gespeichert werden kann, zum Beispiel eine Online-Banking-Sitzung. Für den CEO von Qumram Patrick Barnert ist das Verhaltensrisiko (conduct risk) bei der Datenauswertung das wichtigste Thema, insbesondere für die Regelkonformität (Compliance). In Zukunft wird die künstliche Intelligenz ermöglichen, die Nutzung der riesigen Daten-Seen, die von den Big Data gebildet werden, beträchtlich zu verbessern.

Würden Sie sagen, dass es im Finanzsektor nicht genug relevante Daten gibt, oder ist das mehr eine Frage der effizienten Nutzung und Auswertung dieser Daten?
Man kann immer noch mehr Daten sammeln, aber zurzeit haben wir definitiv genug. Die Herausforderung liegt eher bei der Qualität dieser Daten, damit sie ausgewertet und genutzt werden können! Die Banken haben lange Zeit in Silos funktioniert. Die Daten wurden auf verschiedene Informatiksysteme, verschiedene Abteilungen usw. verteilt. Man muss sie also sortieren, ihre Qualität verbessern, sie zusammenfassen, abgleichen und analysieren, bevor sie ausgewertet werden können.

Behindert das in den Banken erforderliche Sicherheitsniveau diesen Prozess?
Nicht nur. Ein hohes Sicherheitsniveau bedeutet nicht unbedingt, dass die Daten getrennt und in Silos gespeichert sind. Im Gegenteil, das kann sogar eine gegenteilige Wirkung haben, denn wenn diese zu stark unterteilt wurden, kann es an der globalen Vision zur Datensicherheit fehlen. Ausserdem haben andere kritische Branchen im Bereich Sicherheit allgemein offenere und besser vernetzte Systeme. Doch befindet sich die Finanzbranche im Wandel und schreitet mit grossen Schritten voran.

Worin liegt für Finanzinstitute das Interesse an der Datennutzung in Bezug auf ihre Kunden?
Beim Kundenkontakt verfügten die Banken bereits über gespeicherte Daten: Briefe, E-Mails, Telefongespräche, aber diese wurden nicht immer ausgewertet. Das war vor allem eine Frage der Compliance. Ferner gab es keine Spuren von digitalen Interaktionen wie Online-Banking-Sitzungen oder Interaktionen in den sozialen Netzwerken wie WhatsApp oder WeChat. Die Digitalisierung ist ein wichtiges Element geworden, um den Kontakt zu wahren und die Kunden zu halten, umso mehr als im Jahr 2015 der Umbruch kam, denn die Kunden haben inzwischen vornehmlich digitale Interaktionen mit ihren Banken. Dies kann eine wertvolle Informationsquelle zur Datennutzung sein, um das Kundenangebot individuell anzupassen.

Und für die Kunden?
Die Kunden können von einem fliessenderen Parcours profitieren, der auf ihre Situation angepasst ist. Wenn heute ein Kunde zum Beispiel mit seinem Onlinebanking ein Problem hat, muss er die Bank anrufen und die Erklärung des Problems ist manchmal schwer zu kommunizieren, erfordert Zeit und manchmal findet man keine Antwort. Aber wenn die Bank genau sehen kann, welche Transaktionen der Nutzer während seiner Sitzung ausgeführt hat, kann sie schnell viel effizienter antworten. Dank der Daten können Finanzinstitute auch besser den Bedarf der Kunden voraussehen und zum richtigen Zeitpunkt dem richtigen Kunden relevante Angebote unterbreiten. Und schliesslich dürfte die Analyse der Verhaltensdaten dazu führen, die Kundenzufriedenheit zu verbessern.

Was bringen Big Data
den Kunden?

Was bringen Big Data
den Kunden?

„Big Data sind in der Finanzbranche seit fast fünf Jahren in aller Munde. Die berühmten Data Scientists sehen darin den Stein der Weisen der Finanzbranche“, sagt Christophe Lamon, Finanzberater sowie Mitgründer und Leiter von SwissmeFin. Er teilt nicht unbedingt ihren Optimismus, aber stellt fest, dass ihre Ansätze bedeutende Entwicklungen in der Methodik bringen. Doch „muss der Mehrwert für den Kunden, die Bank oder den Anleger noch bewiesen werden“.

Christophe Lamon, Finanzberater und Mitgründer/Leiter von SwissmeFin.

Für den Finanzberater hat die Massenverarbeitung von Daten vor allem zu einer „Industrialisierung der individuellen und kontextbezogenen Vermögensverwaltung geführt.“ Dies verbessert die Überwachung des Risikos und der Performance, aber auch der steuerlichen, ökologischen und sozialen Dimensionen. „Für manche Banken ermöglicht die Verarbeitung der Daten ausserdem, die Auswirkungen der Investitionsentscheidungen in Realzeit zu simulieren.“

Luxusdienste als Standard?

„Für den Kunden liegt der wahre Gewinn von Big Data darin, dass man jetzt Dienste als Standardleistungen anbieten kann, die früher Privatkunden vorbehalten waren“, führt Christophe Lamon weiter aus. „Allgemein gesehen ist durch die Kostenersparnis bei der Massenverarbeitung von Daten das Erfahrungsniveau der privaten Vermögensverwaltung stark gestiegen und die Preise für solche komplexeren Dienste sind inzwischen erschwinglich.“

Die Banken, die früher die Verwaltungsstelle von finanziellen und nicht-finanziellen Informationen des Kunden waren, wurden vorübergehend von den Netz-Giganten entthront. Durch die Konzentrierung auf die Analyse der Aktivität in sozialen Netzwerken und der Interessen der Nutzer konnten die GAFA (Google, Apple, Facebook, Amazon) den Markt durchleuchten und ihr Wirtschaftsmodell optimieren. „Inzwischen haben manche Banken auch aufgeholt“, hebt Christophe Lamon hervor. „Sie haben ihr historisches Kapital an Informationen mit den Navigationsanalysen und den von den Nutzern bereitgestellten Daten gekreuzt.“

Alain Broyon, Teilhaber von Planet of Finance

Banken nutzen inzwischen Verhaltenstrends und analysieren die Transaktionsflüsse ihrer Kunden im Hinblick auf Verhaltensrisiko sowie das Risiko der Finanz- und Marketingverwaltung. Die daraus entstehende wachsende Individualisierung bei der Vermögensverwaltung ist auch Alain Broyon aufgefallen, Teilhaber von Planet of Finance, einer Genfer Fintech für digitale Finanzdienstleistungen, die 2015 gegründet wurde. „Bis vor kurzem beschränkte sich die Kenntnis des Kunden auf die während der Konteneröffnung, dem sogenannten „Onboarding“, erhaltenen Informationen, erinnert der Finanzverwalter. „Heute können wir mit der Ankunft der Robo-Advisors auf dem Spareinlagenmarkt problemlos und regelmässig immer mehr Informationen über die Kunden, ihre Gewohnheiten oder auch ihren Familienstand über einfache und zugängliche Schnittstellen einholen.“

Durch dieses Hin und Her von Daten kann er das Kundenangebot anpassen oder sogar den künftigen Bedarf voraussehen, sagt er. Im Reporting werden die neuen automatischen Management-Tools, mit verbessertem Design und ganz auf das Kundenerlebnis ausgerichtet, immer einfacher und benutzerfreundlicher. Diese neuen Schnittstellen haben allerdings auch ihre Grenzen, geben die Experten zu, insbesondere bei Kunden, die komplexere Dienstleistungen brauchen. „In der Robo-Advisory bleiben die angebotenen Lösungen auf einem ‚Standardniveau‘, mit allgemein weniger als zehn Verwaltungsprofilen“, stellt Alain Broyon fest. Bei der Performance ist das Ziel nicht die Alpha-Generierung, sondern den Markt möglichst getreu widerzuspiegeln.“

Von Data zu Alpha

Für die Alpha-Generierung bietet das quantitative, mehr und mehr mathematische Management dank der Daten neue Möglichkeiten. Es bezieht inzwischen Teams von der Codierung bis zur Strategieerstellung mit ein und verwendet immer modernere Programme, die Statistik und Wirtschaft miteinander vereinen, denn diese können nur zusammen funktionieren.

Alexandre Andreani, CIO bei Aris Wealth Management.

Wie Alexandre Andreani, CIO bei Aris Wealth Management in Genf erklärt, wo er die Absolute-Return-Strategien leitet, bietet die Anlage auf Basis der breitgefächerten Datenanalyse Gelegenheiten zu einer überdurchschnittlichen Wertentwicklung (oder Alpha-Generierung) des Marktes. „Statistikmodelle, die z. B. die gleichzeitigen Bewegungen der makroökonomischen Variablen und Aktienindizes identifizieren, bieten eine Prognosekapazität, mit der Schemen auf den Finanzmärkten entdeckt werden können“, sagt der Experte.

Doch die Modelle auf Grundlage von Zeitdatenserien haben keine wirtschaftliche Dimension, warnt er, sie können die Realität nicht widerspiegeln, wenn die Wirtschaftsteilnehmer in Wirklichkeit über mehr Informationen verfügen. Ausserdem muss man Fälle extremer Ereignisse in diese Modelle integrieren, die als Worst-Case-Szenario angesehen werden. Die Berücksichtigung dieser Risiken ist ein wichtiger Vorteil der quantitativen Programme und ermöglicht das Testen ihrer Stärke bei „Black-Swan-Events“ oder allgemein in besonderen Marktsituationen (Umkehr der Volatilität …).

Die Lösung: Downside einschränken

Auch Alexandre Andreani hebt das Potenzial der individualisierten Anlagenstrategie durch „Data Investment“ hervor. Es ist inzwischen möglich, ein Portfolio dem Risikobudget des Kunden anzupassen und die Erträge zu optimieren, indem der Kunde Zugang zu einem optimalen Mix von Wertpapieren über sein lokales Universum hinaus bis zu einer sorgfältigen Auswahl auf den internationalen Märkten erhält.

Data Investment schaltet unter anderem die emotionale Seite der Vermögensverwaltung aus und bietet ein transparentes und modernes Reporting über die Risikoexposition des Portfolios, den Diversifikationsgrad sowie den Beitrag der verschiedenen Vermögenswerte zur Performance.

Diese Programme sind in der Lage, das Portfolio einem Stresstest zu unterziehen und die historische und kurzfristige Volatilität sowie die gewünschte Rendite abzuleiten. „Die so aufgebauten Strategien können deshalb hohe Möglichkeiten der Alpha-Generierung bieten, so Alexandre Andreani, „selbst wenn die aktuelle sehr leichte Volatilität auf den Märkten dieses Ziel erschwert“.

„Die Lösung zur Alpha-Generierung mit Datenstrategien liegt in der Identifizierung der Prognose- sowie der Risikofaktoren, mit deren Kenntnis wir die Portfolioverluste einschränken können“, schliesst der Experte“.

„Auf der Suche nach dem Stein der Weisen“

Der Finanzberater von SwissmeFin Christophe Lamon fasst nachstehend die Erfahrungen der Anlageexperten mit Big Data zusammen, die sich typischerweise auf die Suche nach künftigen Wegweisern für kommende Mehrwerte auf den Märkten konzentrieren, die allerdings auch ihre Grenzen haben:

  • Die modernen Methoden, Text- oder Häufigkeitsanalysen, helfen dabei, die Anlagemöglichkeiten durch das Interesse zu identifizieren, das sie auf den gewählten Medien erzeugen. Wenn solche Methoden das Interesse der Öffentlichkeit oder der Anleger identifizieren können, stellt sich die Frage, ob ein grosser Teil des Mehrwerts nicht bereits extrahiert wurde.
  • Die korrekt kontextualisierte und aufgewertete Auswertung der Marktberichte stellt auch eine Nische dar, die seit einigen Jahren genutzt wird. Fortan sind die effektive Analysekapazität sowie die Kapazität der Auftragsübermittlung entscheidend.
  • Die dritte Methode besteht darin, die Marktbeeinflusser zu suchen. Künftig versuchen die Systeme, in der Masse der veröffentlichten Statistiken diejenigen zu identifizieren, welche einen Einfluss auf die Märkte haben könnten, mit dem Risiko, sich mit unsinnigen Ergebnissen ohne wirtschaftliche Bedeutung wiederzufinden, was zu einem „Overfitting“ führt und solange funktioniert bis ...

Abschliessend geht die Zeit der Vorreiter auf einem ausgereiften Markt ihrem Ende zu. Die „Martingales“ sind immer öfter geteilter Meinung und die Investitionen in Innovation (Zeit, Kompetenzen und Finanzleute) werden immer grösser. Fortan ist die Umsicht der Anleger geboten, wobei diese Methoden wirklich Nischen sind und diese auch bleiben sollen.

Asset Management
in 30 Jahren

Asset Management
in 30 Jahren

Die Vermögensverwaltung hat sich seit Anfang der 90er Jahre mit der Explosion des passiven Managements, dem Erscheinen der Robo-Advisors und dem Auftauchen spezialisierter Vermögensverwalter grundlegend verändert. Die neuen Technologien und Big Data lassen bis 2050 noch tiefgreifende Veränderungen vorausahnen.

Die Entwicklung des Bruttoinlandsprodukts
zwischen 2012 und 2050

In Milliarden Dollar

Anleger werden mit Sicherheit von einem Kundendienst in Realzeit profitieren. Sie könnten bald ganz einfach und umgehend einen Gesamtüberblick über all ihre Vermögenswerte erhalten, unabhängig von der Verwaltung oder dem Land. Die Smart Data werden vermutlich Prognosenmodelle des Marktes, automatisierten Datenaustausch und eine unbeschränkte Transparenz der Preise möglich machen. Für die von Robotern unterstützten Analysten wird der Abgleich von Transaktionen nur noch eine Formsache sein.

100 millionenfach schnellere Computer

Bei den neuen Technologien wie der künstlichen Intelligenz und dem maschinellen Lernen bleibt noch Einiges zu tun. Aber das ist erst der Anfang. Bedeutende Fortschritte sind noch zu entdecken, wie zum Beispiel die Quanteninformatik.

Google hat bereits unter dem Namen Quantum Artificial Intelligence Lab ein Forschungslabor eröffnet. Nach einer 2015 von einem amerikanischen Unternehmen veröffentlichten Studie soll die Rechengeschwindigkeit eines Quantencomputers 100 millionenfach schneller sein als die eines herkömmlichen Computers. In den letzten Jahren haben IBM, Microsoft oder auch Intel mehrere 10 Millionen Dollar in Forschungsprojekte in diesem Bereich investiert.

10 Milliarden Menschen im Jahre 2050

Die technologischen Entwicklungen sind zwar faszinierend, es ist aber nahezu unmöglich, ihren Entwicklungsfortschritt auf 30 Jahre vorauszusehen. Ein viel greifbareres Element, das auf jeden Fall statistisch vorhersehbar ist, wird die demografische Herausforderung in den nächsten 30 Jahren durch das enorme Anwachsen der Weltbevölkerung sein. Die Zahl der Bevölkerung über 65 Jahre soll von heute 600 Millionen im Jahre 2050 auf über 2 Milliarden ansteigen. Dieser demografische Wandel wird beträchtliche Auswirkungen haben, sowohl auf private als auch öffentliche Vermögensverwaltungen wie Rentenkassen. Die Menschen werden in Anbetracht des programmierten Rückgangs der staatlichen Altersvorsorgesysteme mehr und mehr dazu gebracht werden, ihre Vermögenswerte zur Finanzierung ihrer Rente und Lebensprojekte zu verwalten.

Lebenserwartung der Hälfte
der im 2007 geborenen Babys

Ausserdem wird der Bevölkerungsanstieg in den Schwellen- und Entwicklungsländern am stärksten sein, wo die nationalen oder organisierten Altersvorsorgesysteme sehr limitiert sind. Regierungen und Vermögensverwalter müssen sich also diesem neuen Umfeld anpassen, um diesen grossen Wandel zu ermöglichen, erinnert das World Economic Forum in einem im letzten Mai veröffentlichten White Paper (We’ll Live to 100 – How Can We Afford It?).

Die Zahl der
Bevölkerung über 65
Jahre
soll von heute

1 Millionen

auf über

1 Milliarden

im Jahre 2050
ansteigen.

2050 wird es
für einen Rentner

nur 4

anstatt

8 Vermögens-
werte

geben.

Um diesen Wandel zu berücksichtigen und zu begleiten, müssen Vermögensverwalter nicht nur die Performance liefern, sondern auch intuitive und benutzerfreundliche Schnittstellen entwickeln. Der von der Boston Consulting Group veröffentlichte Global Asset Management Report 2017 sagt mit seinem Titel „The Innovator’s Advantage“ auch nichts Anderes.

Laut Experten werden die Vermögensverwalter, die sich auf die neuen Technologien stützen, um ihr Geschäftsmodell zu verändern und ihren Kunden einen regelrechten Mehrwert anzubieten, bei diesem Wandel zum Asset Management der Zukunft als Gewinner hervorgehen.

Stéphane Garelli ist Professor am International Institute for Management and Developpment (IMD) und an der Universität Lausanne. Seine Forschungswerkpunkte sind die Wettbewerbsfähigkeit der Länder und der Unternehmen auf internationaler Ebene. Ausserdem ist er Herausgeber des World Competitiveness Yearbook, eine Publikation des IMD.

Journalisten
Marjorie Théry
Myret Zaki

Video
David Huc
Yasmine Hamdan
Marjorie Théry

Chefredaktorin
Myret Zaki

Art-direktor
Pierre Broquet

Grafikdesign
Charlène Martin

Chef vom Dienst
Inès Girod

Entwicklung
Geoffrey Raposo

Kontakt
Rédaction Bilan
11, rue des rois
1204 Genève
bilan@bilan.ch
Tél. +41 22 322 36 36

Werbung
Tamedia Publications romandes
Cellule produits numériques
advertising.tamedia.ch
Tél. +41 21 349 40 48