Zahlreiche Studien zeigen, dass ein Großteil der globalen Aktienfonds langfristig hinter ihren Benchmarks zurückbleibt (SPIVA Europe Scorecard 2024). Gründe dafür sind unter anderem kognitive Verzerrungen, strukturelle Fehlanreize und die hohe Komplexität der Kapitalmärkte. Selbst erfahrene Manager können die Vielzahl verfügbarer Informationen nur begrenzt verarbeiten – ein strukturelles Problem individueller Entscheidungsprozesse.
Die Kapitalmarktforschung weist zugleich darauf hin, dass langfristige Aktienmarktrenditen überproportional von wenigen besonders erfolgreichen Unternehmen getragen werden (Bessembinder, 2023). Die Herausforderung besteht daher darin, jene Titel frühzeitig zu identifizieren, die maßgeblich zur Marktrendite beitragen – und dies möglichst ohne subjektive Eingriffe oder situative Biases.
Märkte als komplexe, adaptive Systeme
Kapitalmärkte lassen sich als dynamische Systeme verstehen: Milliarden einzelner Transaktionen erzeugen täglich einen dezentralen Preisbildungsprozess, der die aggregierte Sicht aller Marktteilnehmer widerspiegelt. Viele Anleger setzen deshalb auf globale Indexstrategien, die diese kollektive Marktintelligenz passiv abbilden und langfristig die durchschnittliche Marktrendite sichern.
Ein naheliegender Gedanke ist jedoch, dass sich kollektive Intelligenz systematisch verfeinern lässt, wenn man sie nicht nur aggregiert, sondern evolutionär selektiert. Die quantitative Auswertung historischer Entscheidungen vieler Investoren kann helfen, robuste Muster erfolgreicher Anlageentscheidungen zu erkennen. Scoring-Modelle, die Risiko und Performance über längere Zeiträume objektiv bewerten, identifizieren jene Investoren, die konsistent überdurchschnittliche risikoadjustierte Ergebnisse erzielen.
Von der Theorie zur Anwendung
Auf dieser Methodik basiert auch die Strategie des CoIQ Collective Intelligence Fund, der die aggregierten Anlageentscheidungen einer selektierten Gruppe besonders erfolgreicher Investoren als Grundlage für ein global diversifiziertes Aktienportfolio nutzt. Die zugrunde liegende Datentiefe – über 15 Jahre historischer Anlageentscheidungen aus einer großen und heterogenen Investorengruppe – schafft eine robuste empirische Basis für die evolutionäre Selektion.
Regelmäßige Anpassungen an neue Signale führen zu einem adaptiven System, das sowohl bewährte Erfolgsfaktoren berücksichtigt als auch aktuelle Marktbewegungen aufnimmt. Historische Auswertungen dieser Datensätze deuten darauf hin, dass der evolutionäre Ansatz in unterschiedlichen Marktphasen resiliente Rendite-Risikoprofile ermöglichen kann.
Ein ergänzender Ansatz für professionelle Anleger
Die Zukunft aktiver Aktienstrategien dürfte weniger in der Erweiterung individueller Informationsverarbeitung liegen, sondern in der methodischen Nutzung und Verfeinerung kollektiver Intelligenz. Realisiert in einer Fondsstrategie können derartige Ansätze für Kapitalanleger eine attraktive Ergänzung zur traditionellen Portfoliodiversifikation bei gleichzeitiger Chance auf mittel- bis langfristige Überrenditen sein.
