— Prof. Dr. Michael Feindt

Vor einem Physik-Professor aus Karlsruhe müssen die meisten Quant-Manager dieses Jahr den Hut ziehen.
Sein Ansatz ist marktneutral, diversifiziert und arbeitet mit der nächsten Generation neuronaler Netze: Sie lernen, aber nicht zu viel. Die Zeit für Kaffeesatzleserei ist ihnen zu schade.

Fragen: Maik Rodewald
Antworten: Prof. Dr. rer. nat. Michael Feindt, Wissenschaftlicher Beirat von phi-t und zusammen mit Dr. Christian Haag einer der fünf Bewohner des Talent-Hotels von Lupus alpha

Er sieht nicht aus wie einer, der tagelang über Datenreihen sitzt, mal „Ah!“ und mal „Oh!“ sagt, obwohl um ihn herum nichts ist, jedenfalls keine lebendige Materie. Doch Michael Feindt darf man ruhig als Number Cruncher bezeichnen. Stellen Sie sich vor, wie ein Elektron durch eine 27 Kilometer lange Anlage schießt, wie sie zum Beispiel am europäischen Kernforschungszentrum Cern in Genf steht. Alle Daten, die dabei anfallen, interessieren einen Elementarphysiker wie Feindt. Und das sind eine Menge: Bei seinem nächsten Experiment freut er sich schon auf Datenmengen, die in Petabytes, also 10 hoch 15 Bytes, angegeben werden, so viel wie an Bäumen weltweit Blätter hängen – gemessen pro Sekunde.

Weshalb Anleger bei quantitativen Modellen schnell an Risikomanagement und Controlling denken, versteht der Karlsruher Physik-Professor nicht. „Quantitative Modelle sind in erster Linie dazu da, um Chancen zu finden, nicht um Risiken zu begrenzen.“ Der Abgesang auf die Scheinsicherheit durch Mathematik und Statistik im Finanzgeschäft ist weiter voll im Gange.

MRO

dpn: Herr Professor, eigentlich sind Sie Physiker und lehren und forschen seit elf Jahren an der Uni Karlsruhe. Was beschäftigt Sie dort besonders?

Feindt: Warum das Universum nur aus Materie besteht und wo die Antimaterie geblieben ist. Das ist eines der größten Rätsel der Physik. Denn beim Urknall gab es genauso viel Materie wie Antimaterie, nämlich jeweils null. Und nach unserem jetzigen Standardmodell können wir immer nur Materie und Antimaterie gleichzeitig erzeugen. Wir suchen nach kleinen Asymmetrien im Verhalten von Antimaterie, die das erklären könnten.

dpn: Seit einem guten Jahr sind Sie mit Ihrem Mitarbeiter Christian Haag einer der fünf Manager, die Lupus alpha in ihrem Talent-Hotel beschäftigt. Wieso eigentlich? Wird die Antimaterie langsam langweilig?

Feindt: Nein. Aber es macht auch Spaß, mit neuronalen Netzen an Kapitalmärkten erfolgreich zu sein. Ich beschäftige mich mit Aktienmärkten schon länger. Zunächst habe ich Bücher übers Investieren gelesen, die ich freilich fast alle nicht empfehlen würde. Was da behauptet wird, ist sehr oft schlichtweg falsch. Nur die Buchautoren werden davon reich.

dpn: Und Sie sind erfolgreich?

Feindt: Ja, und ich bin auch ziemlich sicher, dass es so bleibt. Netto haben wir – also das Unternehmen phi-t, das steht für physics information technologies – mit unserem Fonds über ein Jahr, seit April 2007 gerechnet, 16 Prozent verdient, also mitten in der Subprime-Krise. Und das Portfolio ist in jeder Sekunde marktneutral und korreliert weder mit Aktien noch mit Renten oder Hedgefonds-Indizes. Wir sprechen hier wohlgemerkt nicht von einem Papierportfolio, sondern von einem existierenden Portfolio.

dpn: War das Zufall?

Feindt: Zum gewissen Teil ja, zum größeren Teil nein.

dpn: Was sollen Sie auch anderes sagen?

Feindt: Ich begründe das, keine Sorge. Vorneweg: Ich persönlich halte von vielen quantitativen Ansätzen gar nichts. Ich würde dort niemals einen Cent investieren. Viele Ansätze sind nichts als Kaffeesatzleserei, wo man Muster der Vergangenheit sehen will, die es aber gar nicht gibt, und daraus Prognosen macht, die künftig nicht eintreffen werden. Ein gutes Beispiel dafür sind Lottozahlen: Die kann man nicht vorhersagen. Trotzdem gibt es viele Anbieter, die das tun.

dpn: Haben Sie jetzt den Stein der Weisen gefunden? Wieso sollten Investoren glauben, dass Ihr Ansatz stabile Ergebnisse bringt?

Feindt: Weil wir keine Kaffeesatzleser sind. Unser Programm heißt NeuroBayes, ein statistisches Verfahren, mit dem man aus bekannten Daten Zusammenhänge extrahieren kann, ohne dass man etwas von den Zusammenhängen versteht. Das Verfahren kann lernen, aus historischen Daten – wie in der Finanzindustrie – oder aus simulierten Daten – wie in der Physik – Prognosen zu erstellen. Das Gelernte muss statistisch relevant sein, also nicht nur durch zufällige Schwankungen zustande kommen. NeuroBayes eignet sich zum Beispiel auch für Fußballergebnisse.

dpn: Was machen Sie denn anders als die Kaffeesatzleser?

Feindt: Wir lassen nicht einfach nur die Kursreihen einpflegen und kommen dann auf irgendwelche Algorithmen. Wir suchen, entwickeln und testen eine Menge technischer Indikatoren, so gut wie alles, was in der Literatur herumgeistert. Ich muss leider sagen: Das meiste davon ist Schrott – aber doch nicht alles.

dpn: Wie kommt nun das neuronale Netz ins Spiel?

Feindt: Grundsätzlich: Ein neuronales Netzwerk funktioniert ähnlich wie das menschliche Gehirn. Es versucht Muster zu finden aus relevanten Vergangenheitsdaten, so dass wir Wahrscheinlichkeitsverteilungen ableiten können, zum Beispiel, wie sich der Kurs einer Aktie morgen ändert. Diese Verteilungen sind nicht alle gleich, manche sind unsicherer, sind also breiter verteilt, manche sind nach links verschoben oder nach rechts. Und da setzen wir an.

dpn: Können Sie auch sagen, wo der Dax in einem Jahr steht?

Feindt: Hören Sie mir doch zu! Es interessiert mich nicht und ich weiß es nicht, wo der Dax stehen wird. Wir machen schon Prognosen à la „Titel A geht relativ nach oben und B relativ nach unten”, aber unser Gesamtportfolio bestücken wir so, dass es egal ist, wohin sich der Markt entwickelt. Verstehen Sie jetzt?

dpn: Erklären Sie das Prinzip noch einmal anhand der Fußballergebnisse. Sie sagten doch, dort funktioniert Ihr Ansatz auch.

Feindt: Mit Fußballprognosen funktioniert es genauso wie überall, wo ein Teil vorhersagbar ist. Ein Ergebnis richtig zu tippen, ist zu einem Drittel Können. Dieses eine Drittel kann man relativ gut vorhersagen. Unser System weiß, wie die vergangenen Spiele ausgegangen sind und wer in der ewigen Bestenliste vorne liegt. Es gilt, diese technischen Indikatoren möglichst intelligent zu kombinieren. Als Ergebnis bekommen Sie die Aussage, wie wahrscheinlich Klub A, B oder C das nächste Spiel gewinnt, verliert oder unentschieden spielt.

dpn: Aber waren neuronale Netze nicht schon einmal richtig out?

Feindt: Die einfachen neuronalen Netze der 90er Jahre sind schnell aus der Mode gekommen. Sie haben übertrainiert, also aus der Vergangenheit zu viel gelernt. Da waren wir wieder bei der Kaffeesatzleserei. Unser Unternehmen phi-t hat sich darauf spezialisiert, dass neuronale Netze nur das lernen, was wirklich relevant ist. Wir Menschen machen das auch: Wir vergessen fast alle Informationen wieder, weil wir sehr effiziente Filter haben. Jede Nacht wird unser Gehirn umorganisiert, es wird die Spreu vom Weizen getrennt.

dpn: Könnten Sie auch die Verpflichtungen von Pensionseinrichtungen prognostizieren?

Feindt: Jein. Unsere Stärke liegt darin, dass wir individuelle Prognosen für einzelne Versicherte erstellen können. Die Wahrscheinlichkeitsverteilungen für diese Personen unterscheiden sich nur ganz wenig. Aber genau aus diesen kleinen Unterschieden schlagen wir Kapital. Für die gesamte Pensionskasse bringt das nicht so viel, weil die ja alles aggregiert. Der Mittelwert wird dann eher von fundamentalen Änderungen – zum Beispiel durch Gesetzesänderungen oder Sterbewahrscheinlichkeiten – bestimmt.

dpn: Sie arbeiten auch für Versicherer. Welche Fragen beantworten Sie denen?

Feindt: Zum Beispiel welche Kunden ein Versicherer nehmen sollte, wenn er die Wahl hat und wie hoch Risikozuschläge sein müssen. Das haben wir beispielsweise für zwei private Krankenversicherer getestet. Oder nehmen Sie die BGV Badische Versicherungen, unsere erste Kundin. Sie hat vor einigen Jahren einen neuen Tarif für junge Autofahrer eingeführt, der auf unserer Arbeit beruht. Er ist so gestrickt, dass er für manche Autofahrer viel billiger ist als beim Wettbewerb, weil er viel individueller ist. Spiegelbildlich wird es für andere Autofahrer teurer. Letztere sind aber natürlich genau die Kunden, die ein Versicherer nicht haben will. Das Ergebnis waren deutlich mehr Neukunden und eine niedrigere Schadenquote – was sich normalerweise ausschließt.

dpn: Der Otto-Versand hat Sie auch beauftragt. Wofür?

Feindt: Wir erstellen Umsatzprognosen für jeden einzelnen Artikel, jede Größe, jede Farbe für jeden Katalog des Otto-Versands, und zwar bevor der Katalog gedruckt wird. Das ist erheblich besser, als sich aufs Bauchgefühl zu verlassen.

dpn: Wie einfach können andere Ihren Ansatz nachahmen?

Feindt: Das wird schwierig! In unserem neuronalen Netzwerk steckt das Know-how von mir und insgesamt rund 20 Physikern aus zehn Jahren Arbeit.

dpn: Zurück zum Fonds: Hatten Sie schon einmal Zweifel, ob Sie alles richtig machen?

Feindt: Nicht grundsätzlich. Wir haben natürlich gesehen, dass Extremwertbetrachtungen wichtiger sind, als wir bisher dachten. Aber das ist für uns nur Ansporn, die Algorithmen dahin gehend zu optimieren. Insbesondere im Januar dieses Jahres, als der Gesamtmarkt richtig unter Druck war, sind wir gut durchgekommen.

dpn: Wie nachhaltig verarbeiten Sie zum Beispiel einen extremen, zweistelligen Prozent-Tagesverlust eines Dax-Wertes?

Feindt: Solche extremen Bewegungen sind selten und deshalb statistisch nicht so gut anzugehen. Da können wir auch einmal auf der falschen Seite liegen, aber das schadet uns nicht nachhaltig. Wir sind ganz gut gestreut, haben im Mittel mindestens 100 Aktien gekauft oder leerverkauft. Und künftig werden wir asiatische Aktien einbeziehen, um intern noch diversifizierter zu sein.

dpn: Wie viel Euro können Sie verwalten, bis Ihr Ansatz nicht mehr funktioniert?

Feindt: Nicht unendlich viel. Wer solche Strategien verfolgt wie wir, der beeinflusst irgendwann den Markt. Wir messen zurzeit unseren eigenen Einfluss.

dpn: Verraten Sie uns zum Schluss, wie viel Geld Sie selbst in Ihre Maschine gesteckt haben?

Feindt: Gar nichts, weil ich das nicht darf. Ich habe keine Anteile an dem Fonds und repliziere die Strategie auch nicht. Das ist das Einzige, was mich noch an meinem Ansatz stört.

Druckerfreundliche Version
Als E-Mail verschicken