KI im Realitäts-Check: Wie gut ist sie als Fondsmanager?
VZ Analyse
Künstliche Intelligenz könnte in der Vermögensverwaltung der nächste grosse Schritt sein. Eine Studie zeigt jedoch die Grenzen der Technologie. Vor allem bei der Auswahl einzelner Aktien können KI-Systeme kaum überzeugen.
Ein Forscherteam unter Beteiligung der Tsinghua University liess zehn führende Sprachmodelle als Portfoliomanager antreten. Die Systeme handelten während mehr als zwei Jahren Aktien aus dem chinesischen CSI 300.
Pensionierung und Finanzen mit KI planen: Chancen und Grenzen
Merkblatt
Da der Testzeitraum teilweise in die Trainingszeiträume der Sprachmodelle fallen konnte, bestand die Gefahr, dass die KI auf bereits bekanntes Wissen zurückgriff. Um diesen Effekt auszuschliessen, anonymisierten die Forscher sowohl die Aktienkennungen als auch die Kalenderdaten. Die KI erhielt nur Kursdaten und daraus abgeleitete Kennzahlen.
Die Resultate fielen auf den ersten Blick eindrücklich aus. Das beste Modell, Qwen3.6 Plus, erzielte zwischen Januar 2024 und April 2026 eine Mehrrendite von 48,3 Prozentpunkten gegenüber dem CSI 300. Auch GPT 5.5 (+24,3 Prozentpunkte), Doubao 2.0 (+24,1 Prozentpunkte) und Claude Opus 4.7 (+21,9 Prozentpunkte) übertrafen den Index deutlich.
Doch die beeindruckenden Zahlen täuschen über eine entscheidende Schwäche hinweg: Bei der Auswahl einzelner Aktien überzeugten die Sprachmodelle nicht. Die Forscher zerlegten die Performance in ihre einzelnen Bestandteile.
Besonders ernüchternd fällt der Blick auf das sogenannte Stock-Selection-Alpha aus. Diese Kennzahl misst, ob ein Investor innerhalb eines Marktes tatsächlich die richtigen Titel auswählt. Hier zeigt sich die eigentliche Schwäche der KI-Strategien. Nur ein Modell kam beim Stock-Selection-Alpha ungefähr auf null, bei den übrigen neun war es negativ. Bei GPT 5.5 lag der Wert bei minus 14,9 Prozent, bei Gemini 3.1 Pro bei minus 38,5 Prozent und bei Kimi K2.6 sogar bei minus 77,8 Prozent.
Die KI war damit weit weniger geschickt, als es die Gesamtrenditen zunächst vermuten lassen. Ein wesentlicher Teil der Performance liess sich durch allgemeine Marktbewegungen und bestimmte Anlagestile erklären. So profitierte GPT 5.5 von Markt- und Stilfaktoren im Umfang von zusammen 55 Prozentpunkten, während der Beitrag der eigentlichen Aktienauswahl stark negativ war. Ähnliche Muster zeigten sich bei den meisten anderen Modellen.
Auch die Begründungen der Modelle änderten sich durch die Anonymisierung deutlich. Waren Unternehmensnamen und Aktienkennungen sichtbar, begründeten die Modelle ihre Kaufentscheide häufig mit Formulierungen wie «Marktführer», «Blue Chip» oder «Branchenleader». Nach der Anonymisierung verschwanden solche Argumente praktisch vollständig. Stattdessen stützten sich die Systeme auf Momentum, Volatilität und andere quantitative Kennzahlen.
Die Studie stellt damit die Vorstellung vom KI-Starfondsmanager infrage. Hohe Renditen allein sind noch kein Beleg für besondere Anlagekompetenz. Ein grosser Teil der Performance der Sprachmodelle lässt sich durch Markt- und Stilfaktoren erklären. Die hohen Renditen allein sind deshalb noch kein Beleg für überlegene Anlagefähigkeiten.
Disclaimer: Alle Angaben ohne Gewähr. Bei den aufgezeigten Informationen handelt es sich um Werbung gemäss Art. 68 FIDLEG.
