KI-gesteuerte Vermögensverwaltung

Von der Analyse über die Signalgenerierung bis hin zum aktiven Handel durch KI in Echtzeit an den Börsen

Dieser einzigartige Ansatz der neusten Generation von Vermögensverwaltungen agiert vollautomatisch auf Basis künstlicher Intelligenz (KI / AI). Dabei handelt die KI nicht nach einem festen Muster, sondern dynamisch.

Die Schnelligkeit und Stabilität unserer KI-Vermögensverwaltung übertrifft das menschliche Gehirn um ein Vielfaches.

Was unsere KI-Vermögensverwaltung von anderen unterscheidet: Unsere KI-Vermögensverwaltung ist die Erste in Europa, die nach einem quantitativen Ansatz Handelssignale als Trades in Echtzeit an die Börse bringt.

> Strategien ansehen

Nächste Generation Vermögensverwaltung mit Künstlicher Intelligenz

 

Als erster und aktuell einziger Vermögensverwalter bieten wir einen echten Robo-Advisor mit einer vollautomatischen Anlagestrategie an, die auf algorithmischer künstlicher Intelligenz (KI) basiert. Die Steuerung des Anlageportfolios übernimmt dabei ausschließlich die KI: Vom Research über die Auswahl der Wertpapiere und der Signalgenerierung bis hin zur blitzschnellen und direkten Orderausführung an den Börsen.

Künstliche Intelligenz und Algorithmen

Investitionsentscheidungen in Bruchteilen von Sekunden

 

Neuste Technologie und KI liefern uns die Grundlagen für das Zusammenspiel aus automatisierten Investmentprozessen, quantitativem Portfolio- und KI-basiertem Risikomanagement.

Gleichzeitig arbeiten wir in enger Kooperation mit Quant-Spezialisten und Universitäten daran, weiterführende Forschungsanalysen und Pain Points zu identifizieren.

Der Code der INNO INVEST basiert auf KI, Machine Learning und neuronalen Netzen. KI wird dabei gleichermaßen im Asset- und Risikomanagement genutzt, um undurchschaubare Muster in unterschiedlichen Datenquellen zu identifizieren. Dabei werden unvorstellbar große Datenmengen (Big Data) gescreent, um relevante Muster zu erschließen.

Symbiose von Mensch und KI

Menschliche Expertise und neue Algorithmen

 

Die KI-Strategien ersetzen das klassische Portfoliomanagement durch vollautomatische Investitionsentscheidungsprozesse. Zum einen weisen Signale und Alarme auf anlagespezifische Marktereignisse sowie auf Chancen und Risiken hin. Zum anderen generiert die KI autonom Kaufsignale für zuvor identifizierte Aktien, welche in kürzester Zeit gehandelt werden.

Gleichzeitig lernen unsere Algorithmen Tag für Tag und unermüdlich die Anforderungen an Asset Allocations, Compliance-Checks und Risikoprofiling. Dadurch werden die Research- und Entscheidungsprozesse stetig optimiert.

Es werden große Datenmengen genutzt, um ein neuronales Netzwerk zu bilden, das selbstständig lernt, Prognosen bzw. Signale ableitet und Investitionsentscheidungen generiert.

Symbiose von Mensch und KI

Menschliche Expertise und neue Algorithmen

 

Die KI-Strategien ersetzen das klassische Portfoliomanagement durch vollautomatische Investitionsentscheidungsprozesse. Zum einen weisen Signale und Alarme auf anlagespezifische Marktereignisse sowie auf Chancen und Risiken hin. Zum anderen generiert die KI autonom Kaufsignale für zuvor identifizierte Aktien, welche in kürzester Zeit gehandelt werden.

Gleichzeitig lernen unsere Algorithmen Tag für Tag und unermüdlich die Anforderungen an Asset Allocations, Compliance-Checks und Risikoprofiling. Dadurch werden die Research- und Entscheidungsprozesse stetig optimiert.

Es werden große Datenmengen genutzt, um ein neuronales Netzwerk zu bilden, das selbstständig lernt, Prognosen bzw. Signale ableitet und Investitionsentscheidungen generiert.

Quantitative KI-Vermögensverwaltung

 

Wir kombinieren künstliche Intelligenz und technische Analysen mit Stimmungs- und Nachrichtenanalysen. Das Strategieziel ist die kontinuierliche Minimierung des einzugehenden Risikos (insbesondere in volatilen Marktphasen) und die Erzielung einer risikoadjustierten Rendite.

Der dafür entwickelte quantitative Top-Down-Ansatz analysiert dafür zuerst den Gesamtmarkt, im zweiten Schritt verschiedene Sektoren und im letzten Schritt potenzielle Einzeltitel. Das dahinterliegende EUS.Quant-Modell verwendet dafür drei zentrale Parameter (Preis, Volumen und Volatilität), um die wahrscheinliche tägliche Handelsspanne für jede öffentlich gehandelte Anlageklasse zu bestimmen.

Innerhalb des EUS.Quant-Modells werden historische sowie aktuelle Preis- und Marktinformationen mit Hilfe von statistischen und quantitativen Ansätzen berechnet. Der Prozess basiert auf der Analyse der dynamischen Geschichte der Märkte. Unserer Meinung nach sind drei Faktoren für die Vorhersage künftiger Finanzmarktrenditen am wichtigsten: Wirtschaftswachstum, Inflation und Geldpolitik.

Zusätzlich bedienen wir uns innerhalb des EUS.Quant-Modells einem proprietären Risk Range Signaling-Modells, das Elemente der Verhaltenspsychologie einbezieht, um bessere Kauf- und Verkaufsentscheidungen über verschiedene Anlageklassen hinweg zu treffen.

Das herausragende Merkmal dieser Investmentstrategie liegt im umfangreichen, datenbasierten Risikomanagement, das insbesondere in stark bzw. schnell fallenden Marktphasen signifikante Verluste begrenzt, ohne dabei die langfristigen Ertragschancen zu mindern.