KI-Agenten schlagen klassische Portfolios im Backtest – doch der Vorteil schwindet

JPMorgan Chase hat acht KI-Agenten in historischen Simulationen getestet. Das beste System übertraf das klassische 60/40-Portfolio um 0,7 Prozentpunkte pro Jahr. Doch die Forschung warnt: Je mehr Investoren KI nutzen, desto geringer wird der Vorteil.

Dieser Artikel wurde mit KI-Unterstützung aus mehreren Quellen entworfen und vor der Veröffentlichung von einer Redakteurin/einem Redakteur geprüft und freigegeben.

JPMorgan Chase hat in einem Experiment acht KI-Agenten für das Portfoliomanagement unter verschiedenen Marktbedingungen getestet. Die Agenten wurden mit Modellen von OpenAI und Anthropic gebaut und auf vier Marktregime trainiert: Goldilocks, Reflation, Stagflation und Risk-off.

Das beste KI-System übertraf das klassische 60/40-Portfolio um 0,7 Prozentpunkte pro Jahr über einen Zeitraum von rund zwei Jahrzehnten. Es wies zudem eine geringere Volatilität auf und schlug auch JPMorgans eigenes regelbasiertes Marktregime-Modell. Die Ergebnisse beruhen jedoch auf historischen Simulationen, nicht auf realen Anlagen. JPMorgan selbst betrachtet die Resultate nicht als Beleg für die Überlegenheit von KI im Portfoliomanagement. Die Arbeit wird als erster Versuch beschrieben, ein KI-System zur Identifikation von Marktregimen zu entwickeln.

Doch die Forschung mahnt zur Vorsicht. Eine Studie der New York University zeigt, dass der Wettbewerbsvorteil durch KI schwindet, je mehr Investoren ähnliche Modelle einsetzen. Der Bericht stellt fest, dass eine Portfoliokonvergenz bereits sichtbar sei, da KI in der Investmentbranche immer weiter verbreitet wird. "Jeder neue KI-Nutzer verkürzt die Lebensdauer jedes verwertbaren Musters", zitiert der NYU-Bericht.

Zudem könnten KI-Modelle systematisch höhere Risiken eingehen als beabsichtigt und durch Anfälligkeit für manipulierte Informationen neue Verwundbarkeiten schaffen. JPMorgan-Strategen warnen davor, die überheblichen Antworten der KI unkritisch zu akzeptieren. Agentenbasierte KI müsse auf einem sorgfältig durchdachten Asset-Allocation-Prozess aufbauen, nicht auf der naiven Annahme, dass der Agent selbst die Quelle der Expertise sei.