Die einen bejubeln es als zukunftsweisende Innovation. Die anderen sind unschlüssig, was sie davon halten sollen. Und wieder andere meinen, die Finanzbranche jage schon wieder eine neue Sau durchs Dorf. Es geht um den „Robo-Advisor“ beziehungsweise den „Robo-Investor“. Der Robo-Advisor bietet seinen Kunden eine Internet-basierte, vollautomatisierte Form der Geldanlage an. Auf seiner Website kann der Kunde Risikoneigung, Anlagehorizont, Diversifikationsgrad, Zielrendite und alles andere, was als wichtig erachtet wird, eingeben, und der Robo-Advisor spukt ihm eine konkrete Anlageempfehlung aus: beispielsweise eine Zusammenstellung von Aktien und Anleihen, häufig in Form von Exchange Traded Funds (ETFs) und Indexzertifikaten, gestreut auf verschiedene Märkte.
Zur Person
Dr. Thorsten Polleit ist Chefvolkswirt der Degussa sowie Mitgründer und volkswirtschaftlicher Berater und Mitgründer des P&R REAL VALUE Fonds. Er ist zudem Honorarprofessor für Volkswirtschaftslehre an der Universität Bayreuth. In seiner auf wiwo.de erscheinenden Kolumne "Intelligent investieren" widmet er sich alle 14 Tage (immer mittwochs) den grundlegenden Irrtümern und Erkenntnissen der Geldanlage.
Der Robo-Advisor, in der Regel ein Ausleger einer Bank oder eines professionellen Vermögensverwalters, bietet neben Vertragsabschluss auch die Depoteröffnung an und stellt eine digitale Berichterstattung über die Anlageentwicklung bereit. Das Anlageportfolio des Kunden wird auf Wunsch auch automatisch–dynamisch verwaltet – der Robo-Advisor wird dadurch zum Robo-Investor. Steigt zum Beispiel aufgrund von Kursbewegungen der Aktienanteil am Portfolio zu stark an, wird die gewünschte Relation durch automatische Verkäufe wieder hergestellt.
Der anspruchsvolle Robo-Advisor bietet anspruchsvollen Kunden auf Wunsch zudem aktive Portfolioeingriffe durch hauseigene Experten (aus Fleisch und Blut) an. Zudem gibt es Zugang zu besonderen Anlageformen (wie zum Beispiel Private Equity).
Das klingt alles recht vorteilhaft für den Anleger. Zumal die vollautomatisierte Geldanlage, auf individuelle Wünsche zugeschnitten, auch noch kostengünstig angeboten wird. Nicht nur die laufenden Verwaltungsgebühren sind im Vergleich zu anderen Finanzanbietern attraktiv. Auch die für den Anleger nicht zu unterschätzenden Such- und Arbeitskosten, die bei einem nicht automatisierten Portfoliomanagement anfallen, lassen sich so senken. Doch Robo-Advisor hin oder her: Der Anleger sollte genau hinsehen. Wer zum Beispiel seinen Robo-Advisor beauftragt, in Fonds zu investieren, der muss beachten, dass er Fondsgebühren bezahlen muss. Und wenn die Zielfonds, in die investiert wird, eine hohe Umschlaghäufigkeit aufweisen, kann es teurer als gedacht werden, und das Anlageergebnis leidet.
Von zentraler Wichtigkeit für den Anleger ist es jedoch zu verstehen, nach welchen Kriterien der Robo-Advisor das maßgeschneiderte Portfolio zusammenstellt. Und hier zeigt sich meist: Der Robo-Advisor speist seine Anlagephilosophie auf der modernen Finanzmarkttheorie – der modernen Portfoliotheorie. Letztere stammt aus den 1950er und 1960er Jahren und gilt in Wissenschaft und Praxis nach wie vor als das „Non plus ultra“.
Jedoch zeigt sich bei kritischem Nachdenken, dass die moderne Finanzmarkttheorie und die aus ihr abgeleiteten Anlageempfehlungen eine Reihe von Schwachstellen aufweisen. Beispielsweise bei der wichtigen Frage der Risikodefinition. Anhänger der Portfoliotheorie setzen das Risiko mit Börsenkursschwankung (Volatilität) gleich: Eine hohe (niedrige) Volatilität wird mit einem hohen (geringen) Risiko der Anlage gleichgesetzt. Und das wiederum hat unmittelbare Folgen für die Portfoliozusammensetzung, die der Robo-Advisor empfiehlt.
Doch für den Langfristanleger ist das Auf und Ab der Börsenkurse kein Risiko. Sein Risiko besteht darin, einen dauerhaften Kapitalverlust zu erleiden – und dieses Risiko hat nicht notwendigerweise etwas mit Volatilität zu tun. Um sein echtes Risiko zu senken, muss der Anleger vielmehr darauf achten, dass der „Sicherheitsabstand“ zwischen dem Preis, den er für zum Beispiel eine Aktie an der Börse zahlt, und dem Wert der Aktie (also dem Barwert der künftigen Gewinne, die ein Unternehmen erzielt) ausreichend groß ist. So aber gehen die moderne Finanzmarkttheorie und der Robo-Advisor nicht vor. Für den Anleger bedeutet das nicht nur, dass sein Risiko höher ausfällt als ihm lieb sein mag, sondern auch, dass er attraktive Einstiegskurse verpassen kann – und das geht zu Lasten seiner Gesamtperformance.
Maschine ist besser als Mensch?
Die fragwürdige Idee, Volatilität würde das Risiko des Investors richtig abbilden, hat eine weitere Folge. Der Robo-Advisor empfiehlt seinem Kunden in der Regel stark zu diversifizieren, also den Anlagebetrag auf viele verschiedene Vermögensarten (Aktien, Anleihen, Derivate, Rohstoffe, Immobilien, Private Equity etc.) zu streuen, und das auch weltweit (in den Vereinigten Staaten von Amerika, in Europa, in Asien etc.). Heraus kommt dabei schnell eine Überdiversifikation. Das Portfolio wird rasch sehr komplex, und auch die Transaktionskosten nehmen zu. Ein komplexes Portfolio hat für den Anleger vor allem den Nachteil, dass es teurer ist als nötig und dass es schwierig(er) wird, Anlagefehler zu erkennen und aus ihnen zu lernen, um künftige Anlageentscheidungen zu verbessern.
Ein fundamentales Problem, das die Vision von der vollautomatisierten Geldanlage mit sich bringt, sollte abschließend nicht ausgespart werden: Für den unbedarften Anleger könnte allzu leicht der Eindruck entstehen, mit mathematischen Algorithmen ließe sich die Geldanlage im wahrsten Sinne des Wortes automatisch zum Erfolg führen. Nach dem Motto: Maschine ist besser als Mensch.
Dieser Gedanke ist alles andere als neu. Bereits zu Beginn des 21. Jahrhunderts wurden (damals) aufwendige Mehrgleichungsmodelle („Operation Research“) entworfen, um sie beispielsweise auch zum Vorhersagen von Finanzmarktpreisen einzusetzen. Aus den 1940er Jahren stammen die „Neuronalen Netze“ als eine Form der „Künstlichen Intelligenz“, die seit den 1980er Jahren verstärkt auch von Finanzmarkt-Investoren Beachtung finden.
Doch alle Versuche, aus dem menschlichen Verhalten auf den Finanzmärkten mittels mathematisierter Handlungsvorschriften Nutzen zu schlagen, haben bislang noch keinen wirklich großen Durchbruch gebracht. Verwunderlich ist das nicht. Dazu müsste nämlich etwas gelingen, was aus erkenntnistheoretischen Gründen gar nicht möglich ist: die Mathematisierbarkeit des menschlichen Verhaltens, um künftiges Handeln zu prognostizieren. Warum? Menschliches Handeln hängt nicht nur von den Zielen und Wünschen ab, die der Handelnde hat, sondern auch vom jeweils vorhandenen Wissenstand. Wir wissen aus Erfahrung, dass wir nicht wissen, wie sich das künftige Wissen der Handelnden gegenüber dem heutigen Wissen verändern wird; und deshalb lässt sich aus der Gegenwart das künftige Handeln auch nicht systematisch vorhersagen.
Der Mensch kann lernen
Als kurze Erklärung mögen die folgenden Zeilen dienen, die ihre Basis in der Diskursethik finden, wie sie Jürgen Habermas (*1929) und Karl-Otto Apel (1922 – 2017) vertreten. (1) Man kann nicht argumentieren, dass man nicht argumentieren kann. Wer sagt: „Ich argumentiere nicht“, der argumentiert und widerspricht damit seiner Aussage. Man spricht daher vom a priori des Argumentierens; a priori bedeutet selbst-evident, allgemein gültig. (2) Die Aussage „Der Mensch kann lernen“ lässt sich argumentativ nicht widerspruchsfrei verneinen. (a) Wer sagt „Der Mensch kann nicht lernen“, der begeht einen logischen Widerspruch, weil er bereits voraussetzt (gegenüber sich selbst oder seinem Gesprächspartner), dass man das Konzept „Lernen“ versteht – dass man also gelernt hat zu lernen. (b) Wer sagt „Der Mensch kann lernen, dass er nicht lernen kann“ begeht einen offenen Widerspruch. (3) Kurzum: Der Satz „Der Mensch kann lernen“ gilt a priori: Er lässt sich nicht bestreiten, ohne einen logischen Widerspruch zu begehen; er ist erfahrungsunabhängig wahr. Wenn das so ist, kann man logischerweise nicht schon heute die künftigen Wissensstände der Handelnden und ihr künftiges Handeln kennen. Literatur: Hoppe, H.-H. (1983), Kritik der kausalwissenschaftlichen Sozialforschung. Untersuchungen zur Grundlegung von Soziologie und Ökonomie, Studien zur Sozialwissenschaft, Westdeutscher Verlag, S. 11 – 15, S. 25 – 29 und S. 44 – 49.
Entscheidend ist in diesem Zusammenhang jedoch eine logische Einsicht. Sie baut auf einem unbestreitbar wahren Satz auf: Der Mensch kann lernen. Lernfähigkeit ist keine beliebige Annahme, sondern eine logisch nicht widerlegbare Erkenntnis. (siehe oben: Diskurs zur Lernfähigkeit) Wenn man nun aber Lernfähigkeit nicht in Abrede stellen kann, folgt daraus, dass man künftige Wissenszustände nicht kennen und (auf wissenschaftlicher Basis) künftiges Handeln nicht vorhersagen kann – auch wenn das Modell noch so ausgefeilt ist und die Rechenkapazität der Computer auch noch so groß ausfällt. Wenn der Mensch lernen kann (und das lässt sich nicht widerspruchsfrei verneinen), dann kann es keine Verhaltenskonstanten geben nach dem Motto: eine Kursbewegung der Aktie gestern hat einen systematisch-quantifizierbaren Effekt auf den Kurs morgen. Man darf also durchaus Zweifel an der Idee anmelden, die Zukunft, das künftige Finanzmarktgeschehen, ließe sich irgendwann mathematisch-computerisiert verlässlich erschließen.
Ein Gewinn für alle
Keine Frage: technischer Fortschritt, Innovationen sind zu begrüßen. Sie machen unser aller Leben produktiver. Auch und gerade bei der Geldanlage.
Jede Neuerung erfordert jedoch immer auch ein kritisches Nachdenken darüber, ob ihr Einsatz im konkreten Anwendungsfall geeignet ist, dem angestrebten Ziel näherzukommen. Robo-Advisor und Robo-Investor bieten denjenigen, die den Vorgaben der modernen Finanzmarkttheorie bereitwillig folgen (wollen), die Möglichkeit, ihre Pläne bequem, schnell und kostengünstig in die Tat umzusetzen. Wem jedoch die modernen Finanzmarkttheorie Bauchschmerzen bereitet, wem ihre Handlungsempfehlungen und die daraus abgeleiteten Algorithmen nicht sinnvoll erscheinen, für den sind Robo-Advisor und Robo-Investor eher nicht geeignet.
Wenn künftig ein immer größeres Kapitalvolumen nach den Vorgaben der modernen Finanzmarkttheorie angelegt wird – und darauf deutet das fulminante Wachstum der automatisierten Geldanlage in den letzten Jahren hin –, dürfte das Folgen für die Preisbildung an den Finanzmärkten haben. Beispielsweise wäre zu erwarten, dass immer mehr Anleger gleichzeitig auf der Kauf- oder Verkaufsseite des Marktes auftreten. Die Kursausschläge nehmen dadurch zu. Dadurch wiederum steigen die Gelegenheiten, in denen sich der Börsenkurs der Aktie von ihrem Wert (also der Summe der abgezinsten künftigen Gewinne des Unternehmens) entfernt und sich attraktive Investitionsgelegenheiten eröffnen.
So gesehen ist es ratsam, im Zuge der Verbreitung der automatisierten Geldanlage verstärkt Ausschau nach alternativen Anlagestrategien zu halten, die solch ein Marktumfeld gewinnträchtig ausnutzen können.
Dazu zählen die „Value Investoren“. Sie sind darauf spezialisiert, gezielt und langfristig in solche Unternehmen zu investieren, die eine Überrendite auf das eingesetzte Kapital erzielen können, und in deren Aktien sie nur dann investieren, wenn der Börsenkurs deutlich unter dem Wert der Aktie liegt. Die dadurch erzielte Sicherheitsmarge (der Abstand zwischen Wert und Preis) verringert nicht nur das Anlagerisiko, sie trägt auch dazu bei, die Investitionsrendite zu erhöhen.
Kapitalmärkte, in denen die Preisbildung zusehends von Robo-Advisor und Robo-Investoren mitbestimmt wird – soweit sie die Vorgaben der modernen Finanzmarkttheorie umsetzen –, spielen den Value Investoren in die Hände, verbessert deren Chancen, Überrenditen erzielen zu können. So gesehen wäre das Vordringen von Robo-Advisor und Robo-Investor ein Gewinn für alle: für die, die sich der automatischen Geldanlage bedienen, wie auch für die, die alternative Wege beschreiten wollen.
