Gewinne erzielen in steigenden, stagnierenden und sogar leicht fallenden Aktienmärkten. Dieses Ziel setzen wir mit unseren Stillhaltestrategien nun schon seit vielen Jahren erfolgreich um. Zu einem nachhaltigen Technologiesprung und damit verbunden einem weiteren Alleinstellungsmerkmal ist es dabei mit der Einbeziehung der künstlichen Intelligenz in den Investitionsprozess gekommen. Folgen Sie uns auf einem Streifzug durch die verschiedenen Prämienstrategie-Varianten und erschließen Sie sich die Volatilität als weitere Assetklasse.

Begonnen hat alles im Dezember 2007 mit der Lancierung des Wallrich Wolf Prämienstrategie Fonds. Sein Investitionsansatz besteht im Wesentlichen darin, an der Terminbörse Eurex ungedeckte Put-Optionen auf Aktien und Aktienindizes zu verkaufen und dafür Optionsprämien zu kassieren (siehe Kasten rechts). Im Vergleich zu klassischen long only-Investments bietet diese Vorgehensweise die Chance auf stabilere Erträge, da nur eine geringe Abhängigkeit von steigenden Aktienmärkten besteht. Zudem lassen sich mit derartigen „PutWrite-Strategien“ durchaus erklärbare Ineffizienzen am Kapitalmarkt nutzen.

Theoretisch gut, …

Dabei ist allem voran der Versicherungsaspekt zu nennen. Während es sich bei Calls etwas überspitzt gesagt um Lotterielose auf hohe Erträge handelt, stellen Verkaufsoptionen Versicherungsprodukte dar, mit denen sich Marktteilnehmer gegen größere Rückschläge absichern können. Aufgrund hoher Marginanforderungen sowie des Risikos, welches mit dem Schreiben ungedeckter Puts verbunden ist, sind andererseits nur wenige Investoren gewillt bzw. dazu in der Lage, die Gegenposition einzunehmen. Entsprechend attraktiv fallen die Optionsprämien für die Verkäufer von Puts aus. Dies gilt insbesondere in sehr unsicheren Zeiten. Denn je nervöser die Märkte, desto höhere Optionsprämien werde für Absicherungsgeschäfte bezahlt.

Um diesen Zusammen­hang vollum­fänglich aus­spielen zu können, wird der Investitionsgrad des im Fonds enthaltenen Optionsportfolios sowie dessen Zusammensetzung in hohem Maße anhand der impliziten Volatilität des Gesamtmarktes sowie einzelner Basis­werte gesteuert. Hinzu kommt, dass die implizite Volatilität, die für die Höhe der Options­prämien maßgeblich ist, im langfristigen Mittel systematisch über der tatsächlich realisierten Volatilität (historische Volatilität) liegt.

Da das Fondskapital nicht in Aktien gebunden ist, sondern lediglich als Sicherheit für die Inanspruch­nahme aus den Optionen dient, kann es in einem Rentenportfolio „geparkt“ werden und auf diese Weise zusätzliche Renditepunkte generieren.

Stillhalten und Prämie kassieren

Bei den verschiedenen Varianten der Prämienstrategie werden an der Eurex Verkaufsoptionen (Puts) auf Aktienindizes und z.T. auch einzelne Aktien verkauft und dafür Optionsprämien vereinnahmt. Je nach Entwicklung des Underlyings sind nach dem Eingehen einer Stillhalteposition verschiedene Szenarien denkbar:

Notiert der Aktienkurs bei Fälligkeit der Option auf oder über dem Ausübungspreis (Stikelevel), wird der Käufer sein Optionsrecht verfallen lassen. Der Fonds streicht die gesamte Optionsprämie als Ertrag ein, ohne den Basiswert erwerben zu müssen. Liegt der Kurs des Underlyings am Ausübungstag dagegen unter dem Strikelevel, muss die Position vom Verkäufer glattgestellt werden. Damit kann es zu Verlusten kommen, allerdings auch nur dann, wenn der Aktienkurs am Fälligkeitstag um mehr als die ursprünglich vereinnahmte Optionsprämie unter dem Ausübungs­preises liegt.

Gewinne entstehen per Saldo somit bei steigenden, stagnierenden und leicht fallenden Basiswertkursen. Bei stark rückläufigen Preisen entstehen zwar Verluste, diese fallen aufgrund der eingestrichenen Prämie sowie der Differenz zwischen dem Ausübungspreis und dem höheren Basiswert­kurs zum Verkaufszeitpunkt der Option aber geringer als bei einem Direktinvestment in die jeweilige Aktie oder den Index aus.

 … praktisch auch

Dabei bringen theoretische Überlegungen natürlich nur wenig, wenn in der realen Umsetzung die Performance nicht stimmt. Umso entscheidender ist es, dass sich der Investmentfonds seit seiner Lancierung Ende 2007 über verschiedene Marktphasen hinweg deutlich besser als der Euro Stoxx 50 Net Return Index entwickelt und diesen seither um über 33 Prozentpunkte outperformt hat.

190408 prstr vs es50

Auch im Vergleich zu anderen Sondervermögen, die ebenfalls PutWrite-Strategien oder ähnliche Optionsansätze, wie etwa das Covered Call Writing (Verkauf gedeckter Kaufoptionen) verfolgen, konnte unsere Vorgehensweise überzeugen. Hier nimmt der Wallrich Wolf Prämienstrategie unter insgesamt 14 Fonds mit mindestens vergleichbar langer Historie den zweiten Rang ein. Ganz offensichtlich scheint die Nutzung zweier weitestgehend unkorrelierter Einnahmequellen (Bondrendite und Volatilität) langfristig somit attraktiv um Erträge zu generieren.

Prämienerzielung mittels künstlicher Intelligenz

Nun verlangen die sich kontinuierlich ändernden Verhältnisse an den Kapitalmärkten sowie die sich wandelnden Bedürfnisse der Anleger immer wieder nach neuen Lösungen, in deren Entwicklung und Weiterentwicklung der technologische Fortschritt genauso einfließen sollten, wie eigene Erfahrungen und aktuelle Erkenntnisse der Kapitalmarktforschung. In diesem Sinne haben wir in den vergangenen Jahren mit dem Wallrich AI Libero (ehemals Wallrich Wolf AI Prämienstrategie) und dem Wallrich AI Peloton zwei Prämienstrategie-Fonds entwickelt, die in hohem Maße auf dem Einsatz modernder Datenanalysetechnologien und künstlicher Intelligenz (Artificial Intelligence) beruhen.

190415 prstr uebersicht

Stark vereinfacht ist es dabei die Aufgabe des Computers, die aktuellen Preise der an der Eurex gehandelten Verkaufsoptionen auf den Euro Stoxx 50 mit verschiedenen Strikes und unterschiedlichen Fälligkeitsterminen mit denen der Vergangenheit zu vergleichen. Auf die erkannten Muster werden dann die zuvor mittels intelligenter Computeralgorithmen optimierten Investitionsregeln angewendet und Vorschläge für das Eingehen ganz konkreter Stillhalterpositionen auf das wichtigste europäische Aktienbarometer unterbreitet. Im Mittelpunkt steht hierbei die Einhaltung bestimmter Risikovorgaben („Maximum-Draw-Down“). Die jeweils erzielten Anlageergebnisse werden dann wiederum dazu verwendet, das Regelwerk weiter zu optimieren. Der Computer bzw. das entsprechende Programm lernen damit kontinuierlich hinzu. (Siehe hierzu auch „Künstliche Intelligenz in der Vermögensanlage“, weiter unten).

Während der Wallrich AI Libero auf mittlere Sich eine Zielrendite von 2% bis 3% anstrebt und damit ein Rentensurrogat darstellt, liegen die Zielvorgaben beim AI Peloton zwischen 4% und 5%. Er ist damit offensiver als ein ausgewogenes Rentenportfolio, aber deutlich konservativer als ein klassischer Aktienfonds aufgestellt. Dabei stellt die Kombination aus Prämienstrategie und künstlicher Intelligenz zumindest am deutschen Markt übrigens ein klares Alleinstellungsmerkmal dar.

Zusammenfassung und Ausblick

Unsere Prämienstrategie hat sich nachweislich seit vielen Jahren bewährt. Insofern sind die neuen auf künstlicher Intelligenz beruhenden Fonds auch keineswegs als Konkurrenz zum ursprünglichen Ansatz, sondern vielmehr als eine Ergänzung zu sehen. So verfolgen die Produkte differierende Ansätze und sie sprechen unterschiedliche Anlegergruppen an. Während die Ausgangsvariante auf aktives Management setzt und bei reduziertem Risiko auf längere Sicht eine aktienmarktähnliche Rendite anstrebt, geht es bei den passiv gemanagten Artificial Intelligence Fonds insbesondere um die Erreichung bestimmter Renditevorgabe unter Einhaltung strikter Maximum-Draw-Downs. 

Sind in den Optimierungsprozessen der AI-Fonds optionstypische Faktoren, wie der Basispreis des Under­lyings (in-, at- oder out-of-the-money), die Rest­­laufzeit der Optionen und natürlich die implizite Volatilität bereits von Anfang enthalten, lässt sich das System dank heutiger Rechenleistungen grundsätzlich auf beliebig viele zusätzliche Inputvariablen erweitern. Hierauf konzentriert sich derzeit unsere For­schung. So könnten auch optionsfremde Faktoren, wie Wechsel­kursveränderungen, der Bund-Future oder die Inflationsrate eine Rolle spielen. Interessant zu erfahren ist zudem, unter welchen Bedingungen es sich lohnt, die verkauften Optionen vorzeitig glattzustellen. Der Weiterentwicklung des Modells sind theoretisch also keine Grenzen gesetzt.

Praktisch ist aber festzustellen, dass wir den längsten Teil des Weges mit Entwicklung und Implementierung des KI-Prozessen sowie der Einbeziehung der wichtigsten Einflussgrößen bereits durchschritten haben. Der Performancebeitrag zusätzlicher Input­faktoren wird deshalb kontinuierlich abnehmen. Dies gilt zumindest so lange, wie „die Maschine“ nicht auf Aspekte stößt, die bisher noch kein Marktteilnehmer auf dem Schirm hat. Aber auch für diesen Fall besteht Spielraum, womit sich erneut die inzwischen erreichte Überlegenheit neuronaler Netze gegenüber dem menschlichen Gehirn zeigt.

Künstliche Intelligenz in der Vermögensanlage

In weiten Bereichen unseres täglichen Lebens schon seit langem eingezogen, übernehmen Computer inzwischen auch in der Finanzindustrie immer mehr „intelligente Aufgaben“. Dabei haben sie den Menschen dank stark gestiegener Rechnerleistung auf verschiedenen Feldern bereits weit hinter sich gelassen.

Depotstrukturierung durch Robo-Advisory

Von verschiedenen Hedge Funds werden KI-Ansätze schon lange verfolgt. Mit dem Voranschreiten der Technologie und dank stark gestiegener Rechnerleistung haben sie vor einigen Jahren zudem Einzug in die automatisierte Vermögensverwaltung gehalten. So versteht man unter der hierfür verwendeten Bezeichnung „Robo-Advisor“ intelligente Systeme, die unter dem Einsatz von Algorithmen ohne menschliche Beteiligung Anlageempfehlungen aussprechen. Im Mittelpunkt steht dabei die Vermögensverteilung auf verschiedene Anlageklassen unter Berücksichtigung der persönlichen Risikoneigung des jeweiligen Investors. 

Maschinelles Lernen bis ans Lebensende

Ebenfalls noch relativ jung sind Investmentfondsansätze, die auf Basis künstlicher Intelligenz arbeiten. Zu dieser Spezies zählen auch die Wallrich AI Fonds. Dabei werden im Rahmen eines so genannten „Machine Learning Models“ neuronale Netze genutzt, die der anatomischen Struktur eines menschlichen Gehirns ähneln und mit deren Hilfe unglaublich große Datenmengen verarbeitet werden können. Sehr vereinfacht gesagt, wird dem Computer hierbei „aufgegeben“ in historischen Daten, bei denen es sich beispielsweise um Kurszeitreihen, Unternehmens- oder Bewertungskennziffern handeln kann, bestimmte Muster zu erkennen und aus diesen unter Vorgabe von Rahmenbedingungen für das jeweils aktuelle Marktszenario konkrete Investitionsentscheidungen abzuleiten. Dabei passen die Programme die Regeln, die sie sich in letzter Konsequenz selbst geben, immer wieder an neue Umweltbedingungen wie etwa das Börsenumfeld an. Im positiven Sinne handelt es sich somit um einen „never ending story“.

Umfangeiche Entwicklungsarbeiten bis zur AI Prämienstrategie

Im Fall der Wallrich AI Fonds haben wir hierzu auf Basis unserer langjährigen Expertise im Optionshandel zunächst ein Regelwerk zum Eingehen von Stillhalterpositionen auf den Euro Stoxx 50 formuliert. Diverse Kombinationen der verschiedenen Stellschrauben wurden dann in Zusammenarbeit mit der Mainzer IT-Firma PegaSoft im Backtesting überprüft. Über 20 Strategien wurden auf diese Weise bis ins Jahr 2008 zurückgerechnet. Anschließend wurden mittels intelligenter Computerallgorithmen unzählige feinste Regeländerungen und -ergänzungen simuliert und deren Auswirkungen auf historische Ertrags- und Risikokennzahlen untersucht. Im Rahmen dieses Prozesses ist es gelungen, die Kombination der verschiedenen Handelsparameter hinsichtlich bestimmter Renditevorgaben oder des zu akzeptierenden Maximalverlustes immer weiter zu optimieren. Dabei werden die jeweils aktuell erzielten Ergebnisse der verschiedenen Anlagestrategien wiederum dazu verwendet, das Regelwerk weiter zu optimieren. Der Computer bzw. das entsprechende Programm lernen damit kontinuierlich hinzu.