September bis Dezember 2017

Nach drei schwierigen Jahren war 2017 endlich ein gutes Jahr für die Hedgefondsbranche. Unsere zwei Strategien übertrafen 2017 das Ziel. Die unkorrelierte Strategie, die ein Beta von null zu den Aktienmärkten aufweist, legte über 4,5 % zu, während die Multi-Strategie mit einem Beta unter 0,30 um mehr als 6 % stieg.

Der wichtigste Unterschied zu den früheren Jahren ist eine Verbesserung des Umfelds für die Generierung von Alpha. Die meisten aktienmarktneutralen oder Arbitrage-Strategien erzielten gute Gewinne. Erstere profitierten von einem Rückgang der Korrelationen unter Aktien, wie er seit 2008 nicht mehr zu beobachten war, Letztere von der Volatilität am Anleihenmarkt. Wir hatten erwartet, dass dies auch diskretionären Macro-Fonds zugutekommen würde. Manager, die keine Anlagen in Aktien und Schwellenländern hielten, hatten allerdings das Nachsehen, da sie das ganze Jahr über auf das falsche Pferd gesetzt hatten, zum Beispiel mit Long-Positionen im USD und Short-Positionen auf US-Staatsanleihen. Die Verbesserung der Wirtschaftslage in anderen Ländern und niedrige Inflationsprognosen durchkreuzten die grossen Erwartungen für diese Transaktionen.

Angesichts der Rally von risikoreicheren Anlagen überraschte es nicht, dass betaorientierte Strategien wie Long/Short-Technologieaktien sowie Schwellenländerstrategien am erfolgreichsten waren. Die grössten Gewinne erzielten Long/Short-Manager für chinesische Aktien.

2018 rechnen wir mit einer Verbesserung für die Hedgefondsbranche, da sich die Marktnormalisierung fortsetzen wird. Die geldpolitische Straffung der US-Notenbank und die Drosselung der quantitativen Lockerung in Europa dürften dem Zinshandel zugutekommen und die Chancen an den Aktienmärkten verbessern. Zusätzlich zur Streuung an den Aktienmärkten dürften Aktienstrategien, insbesondere Long/Short Equity und Event-Driven, auch von den Steuersenkungen in den USA profitieren, die die Unternehmensaktivitäten beleben und Chancen für die Aktienauswahl schaffen dürften. Am Ende dieses Dokuments finden Sie unsere Meinung über maschinelles Lernen.

Für diskretionäre Macro-Manager war der Berichtszeitraum erneut eine ziemlich schwierige Phase, da es ihnen nicht gelang, Risiken umzusetzen und Alpha zu erzielen. Tatsächlich wurde das Risikobudget erneut auf ein niedriges Niveau gesenkt, und mit Ausnahme der kurzlebigen Reflationsgeschäfte nach der Wahl von Trump gab es ausserhalb der Aktienmärkte keine nachhaltigen fundamentalen Trends, die genutzt werden konnten. Die letzten beiden Monate des Jahres waren infolge von moderaten Kommentaren der Fed, der Rhetorik der EZB und schwächeren Inflationsaussichten besonders nachteilig für kurzfristige US-Zinsen. Die ziemlich titelspezifische Positionierung umfasste Long-Positionen in europäischen Risiken und war in Bezug auf die Zinsen und die Allokation in Staatsanleihen ziemlich unabhängig, ohne einen bestimmten Konsens bezüglich der Währungen. Die Währungsengagements belasteten das Ergebnis im Berichtszeitraum und seit Jahresbeginn am stärksten, während sich auf Schwellen- und europäische Peripherieländer ausgerichtete Anlagen überdurchschnittlich entwickelten. Unter den Fonds mit höheren Aktien-Long-Positionen konnten sich systematische Manager besser halten, insbesondere im September, während alle anderen Anlageklassen negativ zu Buche schlugen, da sie unter grösseren Schwankungen im Laufe des Monats litten.

Unser Ausblick hört sich möglicherweise wie die x-te Wiederholung unserer früheren Artikel an. An den Märkten den richtigen Zeitpunkt zu erwischen, ist jedoch ein schwieriges Unterfangen. Tatsächlich rechneten viele Manager, und auch wir, seit dem «Taper Tantrum» von 2013 mit einer schnellen Normalisierung des Zinsumfelds mit einer Rückkehr zu von den Fundamentaldaten angetriebenen Märkten und nachhaltigen Trends, die ihren Fonds zugutekommen würden. Wir bekräftigen unsere positive Einschätzung und hoffen, dass sie sich diesmal bestätigen wird.

Alles in allem entwickelten sich Equity-Hedge-Strategien im Berichtszeitraum erneut positiv, da sie vom Aufwärtstrend der Aktienmärkte weltweit unterstützt wurden. Die durchschnittliche Performance der Anlageklasse (HFRI Equity Hedge) von +4,7 % im Zeitraum von September bis Dezember wurde aber nicht ohne Marktturbulenzen erreicht. Im September wechselte die Marktführung, da sich Substanzwerte (wie Energie-, Grundstoff- und Industrieaktien) dank der kräftigen Wachstumszahlen plötzlich erholten, während Marktlieblinge wie Technologieunternehmen zurückfielen. Ende November kam es zu einer noch stärkeren Sektorrotation, verbunden mit einer Stilrotation von Wachstums- in Substanzwerte: US-Telekommunikationsunternehmen erholten sich aus dem Nichts, während Technologieunternehmen in einem steigenden Markt nachgaben. Auf die Wachstumsdynamik ausgerichtete Positionen schwächten sich plötzlich ab, und einige Manager wurden von der kurzfristigen Rotation kalt erwischt. Die gute Dynamik im Gesamtjahr resultierte jedoch im Durchschnitt in zweistelligen positiven Ergebnissen von Long/Short-Managern und einem Plus von rund 5 % für marktneutrale Strategien. Dies verdeutlicht die Alpha-Chancen, die der Markt 2017 bot.

Wir erwarten, dass die Aktienmärkte 2018 weniger von makroökonomischen Ereignissen, sondern hauptsächlich von fundamentalen Faktoren angetrieben werden, da die US-Notenbank ihre Geldpolitik normalisiert. Darüber hinaus sind die breite Streuung an den Aktienmärkten und die geringen Korrelationen innerhalb von Sektoren und unter den Aktien ein hervorragendes Umfeld für die Generierung von Alpha. Deshalb sollten Bottom-up-Strategien bevorzugt werden.

Der dritte Teil des Jahres bot erneut ein vorteilhaftes Umfeld für Event-Driven-Strategien. Interessanterweise nahm die Streuung der Renditen unter Hedgefonds deutlich zu. Das wichtigste systematische Ereignis war die US-Steuerreform, die sich bereits auf Aktien auswirkte und nach ihrem Inkrafttreten die Chancen für Event-Driven-Anlagen verändern wird. Unser nachstehender Ausblick konzentriert sich auf die Kapitalrückführung. Das wichtigste idiosynkratische Ereignis erinnerte die Anleger daran, dass die Renditen von Event-Driven-Strategien von spezifischen auslöserbedingten Situationen abhängen, die sich positiv oder negativ auswirken können. In der Regel ist das gut und begrenzt die Korrelationen zwischen den Renditen von Event-Driven-Hedgefonds und den breiteren Marktindizes. Im November beschloss das US-Justizministerium, die über USD 100 Mrd. schwere freundliche Übernahme von Time Warner durch AT&T zu blockieren. Für Merger-Arbitrage-Fonds war dies eine böse Überraschung. Die Transaktion bot eine technisch bedingte hohe Spanne, eine kurze Abschlusszeit und begrenztes Abwärtspotenzial. In den letzten Jahrzehnten hatte das US-Justizministerium keine vertikale Fusion blockiert. Die Parteien beschlossen, vor Gericht zu gehen. Somit ist noch nicht alles vorbei. Hedgefondsmanager, die sich auf Handelsspannen konzentrieren, könnten belohnt werden.

Die Chancen dürften zunehmen. Kapitalrückführungen dürften zu einer Reihe von Unternehmensmassnahmen führen. Umfragen zufolge halten US-Unternehmen schätzungsweise USD 2,5 Bio. im Ausland. Ein Teil davon wird zurückgeführt und für Schuldenrückzahlungen, Aktienrückkäufe, Übernahmen, Investitionen oder Dividendenerhöhungen verwendet werden.

Mit Ausnahme des Novembers, als sich die Spreads ausweiteten, war der gesamte Berichtszeitraum für Credit-Manager erneut ziemlich vorteilhaft. Sie profitierten weiter vom Aufwärtstrend bei US-Aktien und der Risikobereitschaft an den Märkten. Die Treiber waren mit den vorhergehenden Monaten vergleichbar: Der Grossteil des Risikos entfiel auf Hochzinsanleihen mit Rohstoffbezug, ergänzt durch kleinere, risikoreichere Arbitrage-Transaktionen mit Wandelanleihen. Die Negativfaktoren waren idiosynkratisch. Zu ihnen zählten puerto-ricanische Kommunalanleihen, aufgrund des Hurrikans Maria im September sowie Altice im November. Unter den Managern gab es keinen echten Konsens. Sie setzten jeweils auf unterschiedliche Emissionen, Tranchen und Ereignisse, aber alle hielten vorwiegend Long-Positionen. Zins- und Volatilitätsarbitrageure profitierten ebenfalls von der Fortsetzung des positiven Trends. Die meisten erzielten eine gute Performance, mit Risikobudgets im oberen Bereich und Tendenz zu Basisanlagen in Bundesanleihen bzw. Volatilitätstrades mit Staatsanleihenrenditen.

Wir haben unser Risiko zugunsten von Relative-Value-Managern deutlich angehoben, da wir dieses Segment optimistisch beurteilen, nachdem wir den Grossteil unserer Beta-Allokation reduziert haben. Tatsächlich wird das Chancenspektrum ständig grösser, da 2018 mehrere Zinserhöhungen erwartet werden. Die implizite und realisierte Volatilität bewegt sich auf historischen Tiefstwerten, die Neubewertung der kurzfristigen US-Renditen hat begonnen, und viele erwarten, dass die Inflation endlich anziehen dürfte. Nicht zuletzt wurde die US-Steuerreform verabschiedet und dürfte einen bedeutenden Impuls für Unternehmensanleihen darstellen.

Künstliche Intelligenz und maschinelles Lernen als neues Paradigma in der Vermögensverwaltungsbranche:

Künstliche Intelligenz (KI) und maschinelles Lernen (ML) zählten zu den heissen und wiederkehrenden Themen des Jahres 2017, zusammen mit passiven Aktienanlagen, Risikoprämien und dem Bitcoin-Wahn. Alle beruhen, in unterschiedlichem Niveau, auf der gleichen DNA und lösten die gleichen Befürchtungen und Selbstbetrachtungen über den Aufstieg der Maschinen aus.

Beide Begriffe sind verwirrend und überlappen sich, da maschinelles Lernen eine direkte Anwendung von künstlicher Intelligenz ist. Beginnen wir mit der künstlichen Intelligenz: Dieses 50 Jahre alte Konzept ist auf die Nachahmung menschlicher Intelligenz mithilfe von Maschinen ausgerichtet, die selbständig Aufgaben ausführen können. Dank der Verfügbarkeit von grossen Datensammlungen, hochleistungsfähigen Computern und fortgeschrittenen Algorithmen, die billigere und schnellere KI-Anwendungen ermöglichen, ist das Thema in letzter Zeit immer stärker ins Blickfeld gerückt. Ein interessanter Fakt ist, dass 90 % aller heute bestehenden Daten in den letzten zwei Jahren erstellt wurden (Quelle: Man AHL).

Maschinelles Lernen ist als direkte Anwendung von künstlicher Intelligenz darauf ausgelegt, reproduzierbare Strukturen und Beziehungen von Daten zu erkennen, ohne ausdrückliche Anweisungen dafür zu benötigen. Einige Verfahren umfassen möglicherweise «Deep Learning» (das heisst, eine Optimierung neuronaler Netze) und die Verarbeitung natürlicher Sprache. Ersteres bezieht sich auf Algorithmen, die künstliche neuronale Netze verwenden, die anhand von grossen Datenmengen darauf trainiert werden, eine Reihe von Impulsen zu erkennen. Bei Letzterem geht es um die Interpretation geschriebener oder gesprochener Sprache mithilfe von Verfahren wie der Zuweisung numerischer Werte, um positive oder negative Stimmungen in Finanzberichten von Unternehmen auf wiederholbare und unvoreingenommene Weise zu messen.

Heute gibt es zahlreiche industrielle Anwendungen, die von fahrerlosen Autos bis zu virtuellen Assistenten und Lieferdrohnen reichen – sogar bis zum Sieg beim Schachspiel.

Die Welt der Finanzdienstleistungen ist nicht immun gegenüber dieser (R)-Evolution. Versicherungsunternehmen und Investmentbanken setzen Tools auf der Basis von maschinellem Lernen ein, um Bereiche wie die Vertragsüberprüfung und die Datenverarbeitung zu automatisieren. Vermögensverwalter sind ebenfalls keine Ausnahme, denn die massiven Kapitalzuflüsse in passive Instrumente, der Druck auf die Gebühren und die zunehmend schärferen Transparenzbestimmungen schaffen Anreize für die weitere Senkung der operativen Kosten und Investitionen in Technologie.

Insbesondere in der Fondsbranche setzen viele bereits heute Systeme für maschinelles Lernen ein, entweder für prognostische Analysen zur Generierung von Anlageideen oder als Frühwarnsysteme für Risikoanlagen. Insbesondere Anbieter von quantitativen Strategien nutzen maschinelles Lernen, um nichtlineare Beziehungen aufzudecken, wobei sie statt der klassischen Datenquellen (wie Kurs, Volumen und Fundamentaldaten) alternative Quellen wie soziale Medien, Satellitenkartographie oder Suchanfragen im Internet nutzen.

Die Zahl der Manager, die ausschliesslich solche Methoden einsetzen, nimmt zu. Dafür sind och ein solides Netzwerk und das fundierte Know-how nötig, das ein alternatives Investmentteam bieten kann.