Article

Robo Advisor: quantitative Methoden in den Robotern

Ein aktueller Fachartikel von Deloitte untersucht erstmalig die wichtigsten quantitativen Methoden, die weltweit in Robo Advisorn angewendet werden. Wie die Analyse zeigt, gibt es eine klare Kluft zwischen Anwendern veralteter und moderner Methoden.

Robo Advisor (RA) sind heute vielleicht der wichtigste disruptive Trend im Asset Management und Banking Sektor. So existieren aktuell Prognosen, dass Robo Advisor bis 2020 weltweit zwischen 0,8 und 8,1 Billionen US-Dollar verwalten werden, was ein bis zehn Prozent des gesamten weltweit verwalteten Vermögens entspricht.

Es gibt eine enorme Menge an Informationen über RA-Systeme, dennoch ist immer noch wenig über die Kern-Portfolio-Optimierung und Asset-Allocation-Methoden bekannt, die in solchen Systemen angewendet werden. Bislang gab es keine umfassende Analyse der in RA verwendeten Methoden, ihrer Häufigkeit in diesen Systemen, der jeweiligen Volumina der verwalteten Vermögen (Assets under Management – kurz: AuM) und der zukünftigen methodischen Perspektiven der RA.

Im Rahmen eines aktuellen Fachartikels im Journal of Asset Management haben wir 219 bestehende Robo Advisor weltweit analysiert und gezeigt, dass die sogenannte Moderne Portfoliotheorie nach wie vor die wichtigste Methodik ist. Die Moderne Portfoliotheorie, die mehr als 65 Jahre alt ist, weist jedoch mehrere praktische Probleme auf. Dazu zählen eine starke Sensitivität gegenüber Eingangsparameters, Schätzfehlermaximierung und die Bildung von hochkonzentrierten Portfolios. Daher werden in der Praxis alle Komponenten der ursprünglichen Algorithmen modifiziert, ersetzt und/oder durch verschiedene andere Methoden ergänzt. Es ist somit klar, dass die 65 Jahre alte Moderne Portfoliotheorie kein sehr überzeugender Ansatz für die neue Generation von Investoren sein kann.
 

Trends im Bereich Robo Advisory

Der gegenwärtige Trend besteht darin, diese Methodik zu verbessern und zu erweitern, anstatt völlig neue Ansätze anzuwenden und zu entwickeln. Wir haben jedoch auch gezeigt, dass die AuM-Volumina für Systeme, die neuere und anspruchsvollere Methoden anwenden, tendenziell höher sind. Denn im Allgemeinen besteht eine klare Kluft zwischen den vorherrschenden Methoden, die in RA angewendet werden, und neuen methodologischen Entwicklungen. In der Zukunft, wenn die RA-Service ausgereift sind, ist zu erwarten, dass die RA-Systeme viele der neuen Ansätze übernehmen wird, da sie eine gute Leistung versprechen und ein gewisses Vermarktungspotenzial bieten.

Zusammenfassend haben wir gezeigt, dass sich der Robo-Advisory-Sektor in einer kritischen Phase befindet, in der die meisten Systeme veraltete Methoden verwenden, während parallel die seltenen methodisch fortgeschrittenen Unternehmen sehr große AuM angezogen haben. Das zeigt sehr gutes Potenzial für die Entwicklung neuer fortschrittlicher Systeme.
 

Der vollständige Fachbeitrag „Robo Advisory: quantitive methods inside the robots“ ist vor kurzem im Journal of Asset Management erschienen. Hier können Sie darauf zugreifen.

Die Autoren

Dr. Mikhail Beketov
Senior Manager Risk Advisory
E-Mail: mbeketov@deloitte.de

Dr. Manuel Wittke
Senior Manager Risk Advisory
E-Mail: mwittke@deloitte.de

Kevin Lehmann
Consultant
E-Mail: kelehmann@deloitte.de