Liever beleggen mét AI dan in AI
De sterke koersstijging van AI-aandelen in 2024 en de berichtgeving rondom Deepseek in het nieuwe jaar trekken volop de aandacht in de beleggingswereld. De vraag dringt zich op of beleggen met kunstmatige intelligentie in de toekomst lucratiever wordt dan beleggen in bedrijven met een link naar de technologie. David Wright vertelt als co-head Quest, Quantitative Business Strategy bij Pictet Asset Management over slimmer aandelen selecteren met deep learning.
Interview David Wright – co-head Quest, Quantitative Business Strategy bij Pictet Asset Management
Wat moet ik me voorstellen bij beleggen met kunstmatige intelligentie?
Wright: “Er zijn allerlei soorten kunstmatige intelligentie. De laatste tijd gaat veel aandacht uit naar deep learming en neurale netwerken. Dat is de technologie die gebruikt wordt voor bijvoorbeeld ChatGPT. Voor de Quest-strategieën maken we gebruik van machine learning, omdat wij daarmee kunnen begrijpen waarom elke positie wordt ingenomen. Aan de hand van een hele serie kenmerken stellen we een diagram op. Is de winstverwachting de afgelopen tijd gestegen of juist gedaald? Hebben grote beleggers een grote of een kleine positie in het aandeel? Is er sprak van bepaalde seizoenseffecten? Aan de hand van ongeveer 250 ja/nee-vragen ontstaan er allemaal vertakkingen, zoals bij een boom. Vervolgens maakt het model op basis van historische koersgegevens over de voorgaande twaalf jaren een voorspelling van het rendement voor de komende maand. Het mooie van deze aanpak is dat je heel goed kunt zien hoe het rendement is opgebouwd. Bij een aandeel van Apple wordt een deel van het koersverloop bijvoorbeeld bepaald doordat het een largecap is. Een ander deel doordat het een technologiebedrijf is en doordat de winstprognose iets is gestegen. Het is dus geen black box, zoals veel andere beleggingsmodellen op basis van kunstmatige intelligentie. Bovendien kan het systeem goed uit de voeten in elk marktklimaat, zonder dat het daarvoor afhankelijk is van bepaalde factoren zoals momentum of volatiliteit.”
Is het vervolgens een kwestie van de meest kansrijke aandelen selecteren?
Wright: “De kracht van het model is dat we van alle aandelen een voorspelling maken. Aan de hand daarvan bouwen we een portefeuille op met een rendementsverwachting die iets hoger ligt dan de benchmark, zoals de MSCI World Index voor de Pictet-Quest AI-Driven Global Equities strategie. Met onze aanpak streven we met een heel lage tracking error naar een outperformance van 1,5 procentpunt op jaarbasis. Dat lijkt niet veel, maar elke belegger weet dat dit soort verschillen op de lange termijn heel sterk doorwerken. Na twintig jaar kom je bij een jaarrendement van 5,5% bijvoorbeeld uit op eindrendement van 192%. Maar bij een gemiddelde van 7% is dat maar liefst 287%.”
Verwacht je de komende tijd concurrentie van vergelijkbare AI-fondsen?
Wright: “Het is natuurlijk moeilijk te zeggen waar andere fondshuizen momenteel mee bezig zijn. Bovendien is de quant-markt bepaald niet transparant. Maar het valt me op dat veel partijen zich met machine learning vooral richten op de zeer korte horizon. Dat zijn de zogenaamde high frequency-traders met handelsalgoritmes die binnen een fractie van een seconde nieuwe posities innemen of sluiten. Ik weet niet of er partijen zijn die zich net als wij richten op de middellange horizon van een maand. Overigens moet je ons behalve als een AI-fonds vooral ook zien als een alternatief voor ETF’s met een iets beter risico-rendementsprofiel. Ook als er in de toekomst wat minder aandacht is voor kunstmatige intelligentie, zal er een grote markt zijn voor dit soort beleggingsoplossingen.”
