Data zijn de toekomst van vermogensbeheer: maar er zit een addertje onder het gras

Data zijn de toekomst van vermogensbeheer: maar er zit een addertje onder het gras

Tijdstempel: 9 november 2023 8:23 uur
Data zijn de toekomst van vermogensbeheer: maar er zit een addertje onder het gras PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.

Ongeacht de branche zijn AI en ML nu een ware rage, en vermogensbeheer vormt hierop geen uitzondering. In 2027 zal naar verwachting ongeveer 16% van de vermogensbeheerders dit doen

verdwijnen als gevolg van een paradigmaverschuiving in de technologische vooruitgang en de verwachtingen van beleggers. AI- en ML-technologieën worden in verschillende aspecten van de financiële sector gebruikt. Het draait allemaal om het hanteren van een datagedreven aanpak in plaats van de traditionele manier waarop asset management al tientallen jaren plaatsvindt.

Het lijdt geen twijfel dat AI-tools en big data een positieve impact kunnen hebben op het asset management en het efficiënter kunnen maken. Maar het is zeker niet het antwoord op al uw vermogensbeheerproblemen. Om te beginnen worden data nog steeds gezien als een grondstof die kan helpen bij de besluitvorming. Het is nog geen troef of strategisch instrument dat duidelijk gekoppeld is aan het gewenste resultaat. Om de datagestuurde aanpak echt te integreren in asset management, moeten bedrijven dieper graven en zoeken naar manieren om data op een alomtegenwoordige manier te gebruiken.

Met alleen gereedschap kan de klus niet worden geklaard

Een van de grootste problemen bij het automatiseren van taken en processen is dat de meeste bedrijven de neiging hebben om deze beslissingen in een vacuüm te nemen. Dit is een klassiek voorbeeld van ‘de kudde volgen’. Het implementeren van automatisering alleen maar omdat iedereen het doet, zal u geen concurrentievoordeel opleveren. In feite kan dit tot meer problemen leiden dan men zich kan voorstellen. 

De vermogensbeheersector volgt al tientallen jaren een specifieke stijl van opereren, waarbij marktprestaties de grootste inkomstenbron zijn geweest. Om de overstap te maken naar een volledig datagedreven aanpak, is het van groot belang om gekwalificeerd personeel te hebben dat weet hoe deze data effectief kan worden gebruikt en hoe deze in de bestaande systemen kan worden geïntegreerd.

In plaats van alleen maar AI- en ML-tools te adopteren, moeten vermogensbeheerders een wetenschappelijke benadering omarmen om een ​​passende strategie te creëren. Wetenschappelijke basis moet de basis vormen voor het identificeren van markttrends en het evalueren van klantbehoeften. Tools kunnen altijd worden gebouwd op basis van dergelijke hypothesen en bevindingen, maar er is behoefte aan bekwame teams om door deze tools te navigeren en dienovereenkomstig te improviseren. Als de teams die de tools gebruiken zich niet bewust zijn van de reikwijdte ervan, wordt het hele doel van het verbeteren van het assetmanagementsysteem tenietgedaan. Dit brengt ons bij het volgende punt: de menselijke factor.

Er is een menselijk tintje nodig

De synergie tussen menselijke expertise en een wetenschappelijke aanpak is het perfecte recept om AI en ML effectief te adopteren in de vermogensbeheersector. Bij vermogensbeheer gaat het vaak om complexe besluitvorming die verder gaat dan kwantitatieve gegevensanalyse en waarbij mogelijk rekening moet worden gehouden met kwalitatieve factoren, inzicht in de marktdynamiek en het interpreteren van geopolitieke en economische gebeurtenissen. 

Hoewel tools als ChatGPT snel een reeks resultaten kunnen opleveren, zijn ze niet opgewassen tegen een efficiënte menselijke aanpak of inzichten van ervaren professionals. Dit is vooral opmerkelijk gezien de beperkingen van de kennis van deze AI-tool, nog steeds “bevroren” in 2021 en kan geen actuele informatie bieden. De basisprincipes en structuur van de financiële sector zijn lange tijd onveranderd gebleven, en dat zal in de nabije toekomst waarschijnlijk ook zo blijven. Een menselijke touch van ervaren vermogensbeheerders zorgt voor een persoonlijke service en stelt de winst voor de klanten veilig.

Kleine gegevens mogen niet worden genegeerd

Nu big data in de schijnwerpers staan ​​in de context van technologische vooruitgang, is het essentieel om het belang van kleine data in de vermogensbeheersector niet te vergeten. Hoewel big data als cruciaal worden beschouwd voor het trainen van AI- en ML-tools, vormen kleine datasets en specifieke klantverhalen vaak de oorsprong van de meeste succesvolle assetmanagementstrategieën. Wanneer een bepaalde maatwerkaanpak succesvol is, wordt deze bij een grotere klantenkring verder getest en verfijnd. Uiteindelijk kunnen deze mensgerichte en inzichtelijke strategieën worden geschaald om tegemoet te komen aan de behoeften van diverse klanten, ongeacht hun bedrijfsomvang.

AI en ML hebben het potentieel om asset management enorm te verbeteren, maar in de praktijk moeten bedrijven een combinatie van menselijke expertise en AI/ML-tools adopteren. AI en ML kunnen data-analyse, patroonherkenning en sommige aspecten van beslissingsondersteuning aan, waardoor mensen zich kunnen concentreren op strategische planning en besluitvorming op een hoger niveau.

Dat gezegd hebbende, kunnen we niet negeren dat de rol van de mens in vermogensbeheer ook evolueert. Naarmate AI- en ML-technologieën zich blijven ontwikkelen, worden vermogensbeheerders steeds meer ‘geüpgraded’ door deze tools en gebruiken ze deze om hun besluitvormingsmogelijkheden te verbeteren – op het gebied van voorspellende analyses, algoritmische handel, risicobeheer en meer. Deze uitbreiding hoeft niet altijd tot vervanging te leiden. De symbiotische relatie tussen menselijk oordeel en machine-intelligentie zal waarschijnlijk de toekomst van asset management zijn, omdat het de sterke punten van beide benut om op maat gemaakte strategieën te creëren en betere resultaten te bereiken.

Tijdstempel:

Meer van Fintextra