Wir befinden uns derzeit inmitten eines exponentiellen Zeitalters des technologischen Fortschritts – und die Finanzindustrie “1.0” ist da keine Ausnahme. Big Data, Automatisierung und Robotik haben eine Verschiebung hin zu dem ermöglicht, was viele als “Robo-Advisors” bezeichnen: digitale Einheiten, die Investitionen mit beispielloser Genauigkeit und Schnelligkeit verwalten und leiten können, gepaart mit Bequemlichkeit für die Verbraucher. Aber wie wirken sich diese Fortschritte tatsächlich aus und warum sind sie für das Verständnis unserer aktuellen Anlagegewohnheiten so wichtig?
In diesem Blogbeitrag werden wir die Überschneidung von Big Data-Analysen, Automatisierung und Robo-Advisors erkunden und ihre Beziehung zueinander untersuchen. Gleichzeitig werden wir uns ansehen, warum diese Technologien eine wichtige Ressource für moderne Anleger darstellen.
Markus G
25. Februar 2018
25. Februar 2018
Basierend auf der Analyse aktueller Trends und Prognosen der Finanzindustrie, gibt es Hinweise darauf, dass sich der Markt für Roboadvisors in den nächsten 5 Jahren weiterhin positiv entwickeln dürfte.
So wird der globale Markt für Roboadvisor Angebote voraussichtlich bis 2026 ein Volumen von bis zu 1,5 Billionen US-Dollar erreichen, was einer durchschnittlichen jährlichen Wachstumsrate von etwa 25 Prozent entspricht.
In den USA wird der Markt die größte Wachstumsrate aufweisen und voraussichtlich bis 2026 ein Volumen von 900 Milliarden US-Dollar erreichen.
In Europa wird der Markt ebenfalls schnell wachsen und voraussichtlich ein Volumen von 400 Milliarden US-Dollar erreichen.
Auch in Asien wird der Markt für Roboadvisors signifikant wachsen und bis 2026 ein Volumen von bis zu 200 Milliarden US-Dollar erreichen.
Es ist anhand dieser Zahlen also davon auszugehen, dass die Nachfrage nach Roboadvisory-Dienstleistungen weiterhin zunehmen wird, da immer mehr Verbraucher Geld in automatisierte Anlageberatungsdienstleistungen investieren, die kosteneffektiv, bequem, benutzerfreundlich und transparent sind.
Ein Riesenkuchen also, der aufgeteilt werden will und so wundert es nicht, dass nun selbst traditionelle Broker und Banken beginnen, eine digitalisierte Version eines Anlage-Beraters anzubieten. Sei es in Form von Eigenentwicklungen oder der Nutzung einer White-Label Lösung für ein Robo-Advisor Angebot. So soll insbesondere die zukünftige Generation junger Anleger angesprochen werden, denen generell eine deutlich höhere Affinität gegenüber digitalen Angeboten aus der Finanzwelt nachgesagt wird.
Was sich allein darin zeigt, dass eben jene Generation auch wesentlich bereitwilliger Daten zur eigenen Person und Lebenssituation preis gibt. Und exakt auf diese Daten sind die Robo-Advisor angewiesen, wollen Sie sich selbst immer weiterentwickeln. Daten sind das Kernstück eines jeden Robo-Advisor Angebotes – je mehr und je aktueller, desto besser!
Denn eins dürfte auch dem größten „Unwissenden“ in der Welt der Geldanlage klar sein: Das Thema Kapitalanlage war, ist und wird nie ein leichtes Spiel sein. Die Finanzplätze weltweit werden täglich von Millionen von Daten beeinflusst. Ein Fakt, der es quasi unmöglich macht, aus all diesem Wust an Daten irgendwelche Trends / Entwicklungen an den Märkten frühzeitig zu erkennen und darauf zu reagieren – zumindest für einen menschlichen Berater schlicht ein Ding der Unmöglichkeit.
Robo-Advisor weltweit sehen jedoch hierin ihr eigentliches Ziel: Aus eben jener Aber-Millionen von Daten frühzeitig Entwicklungen und Ereignisse an den Börsen zu erkennen und daraus optimale Anlage-Entscheidungen für seine Kunden zu treffen – Stichworte Artificial Intelligence und Machine Learning.
Soweit die Theorie, denn diese Ambitionen und selbst gestellten Anforderungen der Robo-Advisor hat zu einem massiven Datenschub im Wealth Management geführt. Big Data lässt grüßen. Wer damit nichts anfangen kann, dem sei Big Data bei den Robo-Advisorn weltweit in einfacher Form nahegebracht: Das Gros der digitalen Anlageberater sind in der Lage, Tausende von Variablen auf einmal zu betrachten, einschließlich Demographie, Timing, historische Trends, technische Analysen, Fundamentalanalysen, Marktstimmung und vieles mehr.
Am Ende dieser enormen Datensammlungsmaschinerie steht dann ein individuell erstelltes Portfolio, welches im Laufe der Zeit immer wieder neu ausbalanciert wird. Doch Robo-Advisor nutzen die gesammelten Daten nicht nur um die Portfolios hinsichtlich gewünschter Renditeziele der Investoren zu erreichen, sondern auch um – ganz banal – steuerliche Ziele zu realisieren. Bitte?
Wer sich in der Welt des Investments bewegt, muss dabei vor allem eins stets im Hinterkopf behalten und das nennt sich Kapitalertragssteuern. Eine Aufgabe, die eben auch Robo-Advisor übernehmen können und auch werden.
Nehmen wir ein einfaches Beispiel: Wenn ein Investor in einem bestimmten Jahr Hunderte von Wertpapieren gekauft und verkauft hat, ist die Wahrscheinlichkeit groß, dass er nicht die Zeit hat, seine Portfolios zu durchforsten und zu versuchen, Verlustentscheidungen zu treffen, um Gewinne für die Steuersaison auszugleichen. Davon mal ab, dass eine solche Arbeit enorm langweilig ist, sie ist auch schlicht enorm zeitaufwändig. Wer sich einmal einer solchen Aufgabe gestellt hat, weiß um den Aufwand dahinter.
Robo Advisor hingegen haben nicht nur die mathematische Fähigkeit, sondern vor allem auch die „Zeit“ unter dem Aspekt der Steueroptimierung die beste Entscheidung für das Portfolio des Anlegers bis auf den letzten Cent zu treffen. Auch hier steht im Grunde Big-Data dahinter. Ist Big-Data also das eigentliche Geheimnis hinter dem Erfolg der Robo-Advisor weltweit?
Fakt ist, dass bei Big Data neben dem reinen Sammeln der Daten vor allem eins wichtig ist: das zuverlässige Verstehen und das Ziehen richtiger Schlüsse daraus. Derzeit nutzen Robo-Advisor bereits eine große Menge konventioneller Marktdaten, die zur Verfügung stehen, wie z.B. Volumen, Volatilität, Kostenquoten, Beta- und andere Performancemaße, vergangene Aktienperformance und vieles mehr. Zudem sammeln Sie auch Basiszahlen wie Ergebnis-, Umsatz- und Wachstumstrends.
Doch das ist laut Experten erst der Anfang, denn in Zukunft werden mit hoher Wahrscheinlichkeit auch Nicht-finanz gebundene Informationen Einzug bei den digitalen Anlageberatern halten. Die Möglichkeit und Quellen sind vielfältig: So könnte die Anzahl der Website-Besucher, die ein Unternehmen erhält als auch die sozialen Signale (facebook, Twitter etc.) zukünftig Verwendung finden.
Ebenso das Screening von Meinungen aus speziellen Anlegeforen ist hinsichtlich der Nutzung bereits ein Thema. Doch auch „Wetten“ auf zukünftige Trends an den Finanzmarktplätzen könnten bald durch Robo-Advisor umgesetzt werden. So werden zu einem möglichen Trend, bereits heute existierende Daten in Form von Prognosen, Marktanalysen, Umsatzpotentiale etc. ausgewertet, welche dann in einer Art Zukunfts-Portfolio Einzug finden.
Realistisch gesehen ist nur der Himmel die Grenze, wenn es um große Daten-Mengen – eben Big Data – in Verbindung mit der Arbeit der Robo-Advisor geht. Praktisch alles was in der Politik, Wirtschaft, Mode, Social Media und anderen Aspekten des Lebens der meisten Menschen geschieht, wird die Weltfinanzmärkte in einer Weise, Form oder Form beeinflussen.
Ziel der Robo-Advisor wird es sein, Wege zu finden, wie sie auf all diese Daten beziehungsweise deren Quellen mittels Big Data zugreifen können. Um dann passende Wege zu finden, diese enormen Datenmengen mit Preisbewegungen und Wachstumstrends an den Finanzplätzen zu verknüpfen. Zumindest, wenn Sie weiterhin erfolgreich im Markt des digitalen Vermögensaufbaus agieren wollen.
Einen interessanten Einblick darüber wie die Bafin als oberste Finanzaufsichtsbehörde in Deutschland das Thema Big Data vor allem in Verbindung mit der Nutzung von künstlicher Intelligenz (AI) sieht, belegt eine aktuelle Studie. An der Studie arbeiteten auch Experten der Partnerschaft Deutschland, der Boston Consulting Group (BCG) und des Fraunhofer-Instituts für Intelligente Analyse- und Informationssysteme IAIS.
Ziel war es, ein umfassendes Bild zu erhalten, um die BaFin in die Lage zu versetzen, strategische Trends, Marktentwicklungen und neu entstehende Risiken frühzeitig zu identifizieren und angemessen zu adressieren. Der Bericht beleuchtet die Implikationen der technologiegetriebenen Marktentwicklungen aus verschiedenen regulatorischen und aufsichtlichen Perspektiven.
Markus G
Website Design by Felicis Design
2 Kommentare
Mittlerweile sind wir ja drei Jahre weiter. Gibt es denn mittlerweile Robo-Advisor mit Big Data?
Hallo Petra, das stimmt, wir sind 3 Jahre weiter und es gibt mittlerweile tatsächlich Robo-Advisor, die Machine Learning eg. BigData einsetzen. Hierzu gehören Smavesto, VisualVest (die nutzen ein System namens “Malina”) als auch Minveo. Tatsächlich ist es aber nachwievor so, dass das Gros der Anbieter auf Basis “einfacher” Algorithmen arbeitet…..