«Wachstum in einem saturierten Markt kreieren»

26.04.2019

Herr Dr. Gast, wieso sind Sie vom weltgrössten Vermögensverwalter zu einer Schweizer Boutique gewechselt?

Bei BlackRock Schweiz war ich als Mitglied der Geschäfts­leitung für das ganze ETF-Geschäft verant­wortlich. Seit den 1980er Jahren wurden in den USA und in Europa über 2’000 ETFs an den Start gebracht. Man muss heute im insti­tutio­nellen Geschäft praktisch nicht mehr erklären, was ein ETF ist. Das Thema ist bei den Inves­toren überall bekannt. Zum Wechsel motiviert hat mich unter anderem, dass Indexing zwar weiterhin eine gute Zukunft hat, aber insgesamt vermutlich nicht mehr an die Wachstums­raten von früher heran­reichen wird. Das Vermö­gens­wachstum betrug in der Vergan­gen­heit an die 20 Prozent pro Jahr. Das wird sich in der Zukunft signi­fikant redu­zieren. Daran ändert sich auch durch das neue Angebot wie Smart-Beta- und Faktor-ETFs nichts, die neben den Standard-ETFs ange­boten werden.

Wo findet denn das künftige Wachstum im Asset Management statt?

Ich denke, gute Perspektiven hat nach wie vor der Bereich «Private Markets», also verschie­dene Formen illi­quider Investments. Daneben findet ein anhaltend starkes Wachstum im soge­nannten Quant-Bereich statt, dies vor allem getrieben durch techno­logischen Fort­schritt und die bessere Verfüg­barkeit grosser Daten­mengen (Stichwort «Big Data»). Meine Über­zeugung von der Superio­rität dieses Ansatzes im Unter­schied zum klassischen Bottom-Up-Stock-Picking war eine meiner Haupt­moti­vationen, jetzt zu einem spezia­lisierten Haus zu wechseln.

Was ist Ihr Setup bei Systematic Investment Management AG (SIMAG)?

Im Kern ist SIMAG ein Unternehmen mit zwei starken Partnern im Rücken. Das ist einer­seits die Koope­ration der Credit Suisse und der ETH Zürich, von wo ein grosser Teil der Intel­ligenz in den Invest­ment­ansatz einfliesst.

Wann ist SIMAG gestartet?

Viele im Team sind von der Credit Suisse gewechselt, wo sie syste­ma­tische Strategien aufge­baut und entwickelt haben. Mit dem renom­mierten ETH-Professor Didier Sornette wurde schon ein Jahr zusammen­gear­beitet, bevor die SIMAG gegründet wurde und ihre ope­ra­tive Tätig­keit aufnahm. 2016 wurden die Theorien, die an der ETH entwickelt wurden, auf ihre praktische Umsetz­barkeit hin weiter­entwickelt; in 2017 wurde das Unter­nehmen gegründet. Per heute verwalten wir etwas mehr als 100 Mio. US-Dollar in öffent­lichen Fonds­vermögen.

Wieso wurde das nicht bei der Credit Suisse gemacht?

Grundsätzlich ist die Informations­techno­logie einer Gross­bank auf die effi­ziente Durch­führung von Kunden­transak­tionen optimiert. Wir setzen dagegen einen Super­computer ein, der aus einem riesigen Daten­volumen mit Hilfe komplexer wissen­schaft­licher Verfahren inves­tier­bare Muster versucht zu extra­hieren. Es hätte einfach länger gebraucht, eine solche Techno­logie in das IT-Öko­system der Credit Suisse einzu­bringen. Daher war es einfacher, das auf der grünen Wiese zu starten und pragmatisch in eine Legal Entity einzu­bringen.

Was spricht für die SIMAG?

Wir bieten in der SIMAG regulierte long-only-Aktien­pro­dukte an, die von den Gebühren her mit ETFs vergleich­bar sind. Unter­stützt durch eine moderne Techno­logie wissen­schaft­licher Theorien von der ETH, haben wir Invest­ment­strategien für Port­folios auf ihre Robust­heit für verschie­dene Markt­konstella­tionen entwickelt. Unsere Modelle lernen mit Hilfe von Arti­ficial Intelli­gence (AI), welche Invest­ment­strategie in welcher Markt­kons­tellation den grössten Erfolg verspricht. Das Port­folio passt sich dynamisch an die verän­derten Markt­gege­ben­heiten an, ohne mensch­lichen Eingriff, sondern voll­ständig regel­basiert und damit objektiv und daten­basiert. Im Prinzip funktioniert das nach logischen «Wenn-Dann»-Entschei­dungs­regeln, die auch erfah­rene Port­folio­manager anwenden. Unsere moderne AI macht im Prinzip das Gleiche, nur einfach viel schneller und mit viel mehr Daten. Darin liegt die Zukunft. Und darin liegt auch das grösste Wachstum in der Invest­ment­industrie.

Wir differenzieren uns also in Bezug auf Methoden und Prozessen von anderen Vermö­gens­ver­waltern. Wir sind weltweit der einzige Vermö­gens­ver­walter, der die Methoden von ETH-Professor Sornette zum Aufspüren von Herden­trieb praktisch anwendet. Damit verfügen wir über einen techno­lo­gischen Vorsprung, den andere Player im Markt so nicht haben.

Warum sollten Investoren nicht an ETFs festhalten?

Zweifellos haben ETFs vor allem von dem «Quanti­tative Easing» der Zentral­banken sehr stark profitiert. Viele Inves­toren sind mit ETFs gut und günstig gefahren. Und sie glauben, dass sie mit einem kapital­gewich­teten ETF diver­sifiziert sind. Das stimmt nicht in jedem Fall. So haben zum Beispiel die Top-10-Unter­nehmen im MSCI USA ein Gewicht von rund 20 Prozent. Die starre Regel­basiert­heit von ETFs führt zudem dazu, dass immer die Gewinner des letzten Jahres gekauft werden müssen, um auf einer Linie mit der Bench­mark zu sein, völlig egal, ob dieses Verhalten die Kurse mit nach oben treibt. Es gibt eine kontro­verse Debatte darüber, ob das Verhalten von solchen regel­basierten Anlage­gefässen Kurse mit nach oben zieht. Es bleibt abzu­warten, wie die Markt­dynamik durch die ETFs angeheizt wird, wenn die Märkte stark und nach­haltig fallen. Man darf nicht vergessen: Inzwischen ist die Pene­tration für inde­xierte, sprich regel­gebun­dene Anlagen, die starr die Bench­mark repli­zieren, gross, dass man die Kritik ernster nehmen sollte. Hinzu kommen weitere Anlage­produkte, die auf Basis vordefi­nierter Regeln im Markt aktiv sind. Wir schätzen, dass 70 bis 75 Prozent des Umsatzes an den US-Aktien­börsen durch diese Inves­toren bestimmt werden. Das hat es noch nie gegeben. Und wir befürchten, dass es Anlass zu einem Herden­trieb geben kann, weil soviele Anlage­produkte auf die gleichen Signale zur gleichen Zeit völlig mechanisch reagieren könnten und Börsen­verluste noch grösser ausfallen lassen. Ein Indiz für einen Herden­trieb ist das in den letzten Jahren gehäufte Aufkommen von soge­nannten Flash Crashes, so zum Beispiel am 24. August 2015. Es gab ETFs, die sind im Börsen­handel kurz­fristig über 40 Prozent gefallen, während die im ETF reprä­sen­tierten Aktien an der Börse im Schnitt lediglich 8 Prozent fielen. Flash Crashes gab es auch in anderen Börsen­segmenten und immer war der Grund eine zu starke Konzen­tration und fehlende Liqui­dität.

Können Sie die Zukunft voraussagen?

Nein, das kann niemand, selbst wenn man den besten Super­computer besitzen würde. Aber darum geht es uns auch gar nicht. Wir können zwar nicht wissen, was die Zukunft bringt, aber wir können ziemlich gut abschätzen, welche Aktien­kombi­nationen in welchem Markt­umfeld den grössten Erfolg versprechen. Wir besitzen das Know-how und die Techno­logie, täglich Tausende Aktien weltweit auf ihre Attrak­tivität hin zu unter­suchen. Aus den besten Aktien bauen wir ein diver­sifi­ziertes Port­folio. Wir denken, dass unser Produkt besser ist, als passiv den Markt zu repli­zieren, weil es auf Ände­rungen des Markt­regimes reagiert. Und deswegen ist es auch wichtig, dass möglichst viele Markt­infor­mationen berück­sichtigt werden in der Ana­lyse. Wenn man syste­matisch durch diese Infor­mationen filtert, kann man einen Eindruck erlangen, was auf der Mikro­ebene des Marktes vor sich geht und wie bestimmte Dyna­miken Aktien in unter­schied­lichen Industrien beein­flussen.

Was ist bei einer stärkeren Börsen­korrektur zu erwarten?

Stellen Sie sich ein Kanu vor, bei dem sich alle zur gleichen Zeit zur gleichen Seite lehnen. Irgendwann wir das Kanu mit allen Insassen kentern. Genau dieses Phänomen sehen wir derzeit an den Börsen. Viele insti­tutio­nelle Inves­toren wurden durch das «Quanti­tative Easing» der Zentral­banken gezwungen, Mehr­renditen durch das Eingehen von Illi­qui­dität einzu­gehen. Die letzten zehn Jahre hat das funktioniert und sogar Diver­sifi­kations­potenzial im Port­folio gebracht. Aber was passiert, wenn Inves­toren gezwungen werden, im grösseren Stil abzubauen? Das ist genau der Punkt, bei dem sich alle auf die gleiche Seite des Kanus lehnen.

Es ist durchaus vorstellbar, dass die Zentral­banken in der Zukunft mit Inter­ven­tionen vorsich­tiger werden, um nicht ihr ganzes Pulver vorschnell zu verschiessen. Wir glauben, dass die Märkte dann stärker zwischen «Risk-off» und «Risk-on»-Phasen schwanken werden, so wie wir es Dezember 2018 und Januar 2019 gesehen haben. Das Potenzial für Fehler ist in solchen stark schwan­kenden Märkten enorm. Man kann bei einer begin­nenden Markt­korrektur aus den richtigen Gründen vorsich­tiger werden, aber wenn die Zentral­banken plötzlich die Spiel­regeln verändern, muss man reagieren, um die Rally nicht zu verpassen. Ein starres Fest­halten an Über­zeu­gungen oder Invest­ment­regeln wäre fatal.

Wie verläuft das Bewertungssystem bei SIMAG?

Täglich analysieren wir 7’500 Aktien auf komplexe Daten­muster. Jede Aktie erhält eine Bewertung für ihre Attrak­tivität für das aktuell vorherr­schende Börsen­umfeld. Dafür setzen wir 90 Indikatoren ein und testen mit Hilfe künst­licher Intel­ligenz, welche Kombi­nation von Indika­toren die Attrak­tivität von Aktien am besten erklärt hat. Die künst­liche Intel­ligenz hilft uns dabei, Tausende von möglichen Konstella­tionen zu testen und die für das aktuell vorherrschende Börsen­umfeld viel­ver­sprechensten Aktien zu finden.

Wir konstruieren ein diversifi­ziertes Portfolio aus 120 bis 150 der besten Aktien aus unserem Uni­versum, um unser Rendite­ziel von knapp 2 Prozent Out­perfor­mance gegen­über der Bench­mark zu erzielen. Und das bei einem mode­raten Tracking Error von rund 4. Ein höheres Alpha wäre möglich, aber nur zum Preis eines wesentlich höheren Tracking Errors. Da wiederum wider­spricht dem Wunsch unserer bestehenden Kunden, unsere Proukte als Kern­bau­stein in der Asset Allo­cation einsetzen zu können.

Und das führt immer zum Erfolg?

Wir können nur das berücksichtigen, was im Markt statt­findet, also endogen ist. Exogene Faktoren wie Erdbeben, Kriege oder einer plötz­lichen Regel­änderung durch eine Zentral­bank lassen sich defi­nitions­gemäss nicht heraus­filtern.

Link zum Disclaimer