Die Kraft der Kollektiven Intelligenz: Das geheime Alpha

00:00:00: Hallo und herzlich willkommen zu Podcastio, dem Podcast der Okasio-Unternehmensgruppe.

00:00:05: Mein Name ist Christoph Hau und in diesem Podcast gebe ich Ihnen aktuelle Informationen zur wichtigen Geschehnissen an den Kapitalmärkten sowie zu aktuellen Themen die für eine Investmententscheidung von Bedeutung sein können.

00:00:30: Angestellte, sie alle haben sechs Pents bezahlt um auf einer kleinen Karte zu notieren was Sie glauben.

00:00:37: Wie viel wird dieser Ochse wiegen nachdem er geschlachtet und zerlegt ist?

00:00:42: Unter den Zuschauern steht ein älterer Herr mit weißem Bart.

00:00:46: Sein Name Francis Galton Einer der bedeutendsten Statistiker seiner Zeit.

00:00:51: Galten isst kein Freund der Masse.

00:00:53: Er ist Eugenika überzeugt davon dass nur eine gebildete Elite zu vernünftigen Urteilen fähig ist.

00:01:00: Er leit sich die siebenhundert-siebenundachtzig Schätzkarten aus, um genau das zu beweisen.

00:01:06: Doch dann passiert etwas, dass ihn zutiefst irritiert.

00:01:09: Der Median aller Schätzungen liegt bei eintausend zweihundertsieben Pfund – Das tatsächliche Schlachtgewicht des Ochsen.

00:01:15: Eintausendeinhundertdachtundneunzig Pfund Die Abweichung weniger als ein Prozent.

00:01:23: Kein einzelner Experte auf dieser Messe hatte besser geschätzt Als die Masse in ihrer Gesamtheit.

00:01:28: Golden war ehrlich genug sein eigenes Ergebnis zu veröffentlichen.

00:01:33: In der Fachzeitschrift Nature schrieb er, das Resultat sei «glaubwürdiger für die Vertrauenswürdigkeit eines demokratischen Urteils als man hätte erwarten können».

00:01:44: Für einen Elitisten ein bemerkungswertes Eingeständnis.

00:01:49: Was Galton damals ohne es zu wissen dokumentiert hatte war das Prinzip der Schwarmintelligenz und die Frage, die uns heute beschäftigt lautet – funktioniert dieses Prinzip auch an den Kapitalmärkten?

00:02:01: Kann die kollektive Einschätzung viele Anleger tatsächlich zu besseren Investmententscheidungen führen als das Urteil einzelner Experten?

00:02:10: Die theoretischen Wurzeln reichen sogar noch weiter zurück, als gelten.

00:02:15: Schon in den letzten Jahren formulierte der französische Mathematiker Nicolas de Condorcet sein sogenanntes Jury-Theorem.

00:02:24: Wenn die Mitglieder einer Gruppe unabhängig voneinander urteilen und jeder Einzelne mit einer Wahrscheinlichkeit von mehr als fünfzig Prozent richtig liegt, dann steigt die Treffsicherheit der Gruppe mit zunehmender Größe – und zwar dramatisch.

00:02:37: Je größer die Gruppe, desto näher kommt sie der richtigen Antwort.

00:02:42: Fast zweihundert Jahre später brachte der Wirtschaftsjournalist James Surowiecki diese Idee in die moderne Diskussion.

00:02:50: Sein Zweitausendvier erschienenes Buch The Wisdom of Crowds wurde zum Standardwerk.

00:02:58: destillierte daraus vier Bedingungen, die erfüllt sein müssen damit ein Schwarm tatsächlich intelligent agiert.

00:03:04: Erstens Diversität Die Gruppe braucht Menschen mit unterschiedlichen Erfahrungen und Informationsquellen.

00:03:12: Zweitens Unabhängigkeit Die einzelnen Urteile dürfen sich nicht gegenseitig beeinflussen.

00:03:18: Drittens Dezentralisierung Die Teilnehmer sollten Zugang zu unterschiedlichem lokalen Wissen haben.

00:03:26: Und viertens Ein geeigneter Aggregationsmechanismus, also ein Verfahren das die Einzelmeinungen sinnvoll zu einem Gesamturteil zusammenführt.

00:03:35: Dieses Prinzip wurde vielfach repliziert.

00:03:39: Der Finanzprofessor Jack Traynor wiederholte in den neunzehnhundertachtziger Jahren ein ähnliches Experiment Er brachte einen Glas mit achthundertfünfzig Gummibärchen in seinen Hörsaal und ließ sechsundfünftig Studenten die Anzahl schätzen.

00:03:55: Die Gruppenschätzung lag bei eighthundert-einundsiebzig.

00:03:59: Nur einer von sechsundfünfzig Teilnehmern kam näher an die tatsächliche Zahl heran und mathematisch untermauerten Lu Hong und Scott Page von der University of Michigan in einer viel zitierten Studie, dass eine zufällig zusammengestellte Gruppe diverser Problemlöser unter bestimmten Bedingungen systematisch bessere Ergebnisse erzielt als eine Gruppe der individuell besten Köpfe.

00:04:23: Diversität schlägt Expertise Ein kontraintuitives aber mathematisch bewiesenes Ergebnis.

00:04:30: Das Entscheidende!

00:04:32: Wenn auch nur eine dieser vier Bedingungen wegfällt, kippt das System.

00:04:37: Aus Schwarmintelligenz wird Herdenverhalten.

00:04:40: Aus klugen Märkten werden Blasen.

00:04:43: Das hat schon Charles Marcaille in seinem Klassiker über den kollektiven Wahnsinn beschrieben – von der Tulpenblase in Holland bis zur South Sea Bubble in England.

00:04:54: Die Grenze zwischen der Weisheit der vielen und dem Wahnsinn der Masse ist erschreckend dünn.

00:04:59: Aber bleiben wir zunächst bei der Seite, auf der es funktioniert – denn die wissenschaftliche Evidenz dafür ist bemerkenswert stark!

00:05:08: Eine der eindrucksvollsten Studien stammt vom MIT-Media Lab in Boston.

00:05:15: Der Computerwissenschaftler Alex Sandy Pendlent und sein Team analysierten zehn Millionen Transaktionen von sechs Millionen Nutzern der Social Trading Plattform, Itoro.

00:05:27: Auf Itoro können Anleger die Trades anderer Nutzer einsehen und automatisch kopieren.

00:05:32: Es ist im Grunde ein soziales Netzwerk für Investoren.

00:05:36: Was Pentland und seine Kollegen herausfanden war faszinierend.

00:05:41: Diejenigen Trader, die sich aus einem breiten diversen Netzwerk inspirierten also viele unterschiedliche Strategien beobachteten ohne einzelnen blind zu folgen Erzielten eine um dreißig Prozent höhere Rendite als isoliert handelnde Trader.

00:05:57: Und sie schlugen auch diejenigen, die sich in sogenannten Echo-Kammern bewegten – also nur innerhalb einer Gruppe gleichgesinterkupierten.

00:06:05: Dreizig Prozent!

00:06:06: Nicht durch bessere Fundamentalanalyse nicht überlegende Algorithmen sondern allein durch die richtige Art kollektives Wissen zu nutzen.

00:06:16: Pentland nannte diesen Mechanismus Social Learning und prägte dafür den Begriff Idea Flow den Fluss von Ideen durch ein Netzwerk.

00:06:26: In seinem Buch Social Physics und einem viel beachteten Artikel in der Harvard Business Review beschrieb er das optimale Verhältnis, genug soziale Interaktion um von der Vielfalt der Perspektiven zu profitieren aber nicht soviel dass alle anfangen dasselbe zu denken.

00:06:43: Der Schlüssel ist die Balance zwischen Exploration dem Suchen nach neuen Ideen.

00:06:52: Dieses Ergebnis wird durch eine weitere Studie gestützt, die die Plattform Seeking Alpha untersuchte.

00:06:59: Eines der meist genutzten Social Media Portale für Anleger in den USA.

00:07:05: Forscher der Cornell University und der National University of Singapore analysierten dort Tausende von Nutzer verfassten Aktienanalysen und die zugehörigen Leserkommentare.

00:07:16: Das Ergebnis – sowohl die Meinungen in den Artikeln als auch die der Kommentatoren hatten einen statistisch signifikanten prognostischen Wert für zukünftige Aktienrenditen und Gewinnüberraschungen.

00:07:29: Der Schwarm der Privatanleger enthält genuinen Informationsgehalt, der über das hinausgeht was professionelle Analysten liefern.

00:07:38: Eine weitere aufschlussreiche Studie kommt aus Deutschland.

00:07:42: Forscher untersuchten die Plattform Sharewise auf der Privatanleger Kursziele für einzelne Aktien abgeben Die aggregierten Prognosen – also das Schwarmurteil wurden mit den tatsächlichen Kursverläufen verglichen.

00:07:55: Das Ergebnis?

00:07:57: Die Crowd-Prognosen hatten tatsächlich einen messbaren prognostischen Wert für zukünftige Aktienrenditen.

00:08:04: Der entscheidende Unterschied zum Aktienmarkt selbst, Sharewise nutzt ein Algorithmus der explizit auf Prognosegenauigkeit optimiert ist nicht auf die Umverteilung von Kapital.

00:08:16: Der Schwarm weiß manchmal mehr als der Markt wenn man ihn richtig befragt.

00:08:20: Auch im Bereich der Makroökonomie zeigt sich dieser Effekt.

00:08:24: Eine Studie der Universität Pennsylvania auf Basis des US Survey of Professional Forecasters, das ist die prestigesträchtigste Umfrage unter Wirtschaftsprognostikern in den USA untersuchte wie sich die Prognosequalität verändert wenn man immer mehr Schätzungen zusammenfasst.

00:08:41: Das Ergebnis bestätigt Condorcets Intuition ab einer gewissen Gruppengröße wird die aggregierte Prognoseremarkabel stabil und genau selbst wenn einzelne Teilnehmer erheblich daneben liegen.

00:08:53: Und noch ein Befund ist bemerkenswert.

00:08:56: Forscher an der University of Maryland analysierten die aggregierten Allokationsentscheidungen amerikanischer Fond-Anleger über einen Zeitraum von siebzehn Jahren.

00:09:05: Auf der Ebene einzelner Fonds zeigen Privatanleger alle bekannten Verzerrungen.

00:09:11: Sie jagen Renditen hinterher, reagieren auf irreführende Werbung und verhalten sich irrational.

00:09:17: Aber in der Summe Auf der aggregierten Ebene ergibt sich ein überraschend rationales Bild.

00:09:24: Die kollektiven Umschichtungen zwischen Aktien, Renten und Geldmarktfonds stehen in einem sinnvollen Zusammenhang mit makroökonomischen Konjunktur-Faktoren.

00:09:34: Der Schwarm als Ganzes reagiert intelligenter als seine einzelnen Mitglieder.

00:09:39: Jetzt könnte man meinen Dann ist die Sache doch klar Einfach der Masse folgen – fertig.

00:09:46: Aber so einfach ist es leider nicht Und hier wird es für Anleger wirklich wichtig.

00:09:52: Erinnern Sie sich an Sorovietskis zweite Bedingung?

00:09:55: Unabhängigkeit!

00:09:57: Genau an diesem Punkt scheitern viele Anwendungen der Schwarmintelligenz im Finanzbereich.

00:10:03: Wenn Menschen nicht mehr unabhängig urteilen, sondern sich gegenseitig beobachten und emitieren entsteht kein Schwarmwissen Es entsteht eine Herde.

00:10:12: Eine experimentelle Studie veröffentlicht im renommierten Journal Management Science hat genau das nachgewiesen.

00:10:19: Die Forscher zeigten, wenn Anleger sehen können wie erfolgreich andere sind und die Möglichkeit haben deren Trades direkt zu kopieren steigt die Risikobereitschaft signifikant an.

00:10:30: Copy Trading also das blinde Nachahmen anderer Investoren führt nicht zu besserem Schwarmwissen sondern zur exzessiven Risikoverhalten.

00:10:40: eine Folge Studie bestätigte dies eindrücklich je besser die Piers im Netzwerk abschneiden desto mehr handeln die Beobachter Aber ihre eigene Performance sinkt, während die Volatilität ihrer Ergebnisse steigt.

00:10:53: Soziale Vergleiche machen Anleger nicht klüger sondern nervöser.

00:10:58: Auch eine Untersuchung der Universität Göttingen zeigte Die Crowd kann professionelle Analysten unter bestimmten Bedingungen tatsächlich schlagen aber nur dann wenn die Meinungen unabhängig gebildet werden.

00:11:11: Sobald sich die Crowd an den Analystern orientiert oder umgekehrt verliert die kollektive Prognose ihren Mehrwert.

00:11:18: Das Meme-Stockphänomen von twenty-einenundzwanzig, denken Sie an GameStop und IMC ist das dramatischste Beispiel dafür was passiert wenn Schwarmintelligenz in Schwarmdummheit umschlägt.

00:11:30: Auf Reddit Foren wie Wall Street Bets koordinierten sich hunderttausende von Kleinanlegern um bestimmte Aktien nach oben zu treiben.

00:11:39: Nicht Diversität und Unabhängigkeit trieben die Kurse sondern Social Proof und die Angst etwas zu verpassen – das klassische Fomo!

00:11:48: Aus der Weisheit der vielen wurde das, was John Maynard Keynes schon nineteenhundertsechsunddreißig als Animal Spirits beschrieben hatte.

00:11:56: Psychologische Impulse, die merkte weit über jeden fundamentalen Wert hinaustreiben können.

00:12:02: Die entscheidende Frage ist also nicht ob der Schwarm klug sein kann – das ist wissenschaftlich belegt!

00:12:08: Die entscheide Frage ist unter welchen Bedingungen?

00:12:12: Und wie konstruiert man ein System, dass die Weisheid der Masse nutzt ohne in die Falle des Herdenverhaltens zu tappen?

00:12:19: Das ist kein rein akademisches Problem.

00:12:22: Die Finanzindustrie arbeitet bereits intensiv daran und die praktischen Anwendungen nehmen rapide zu.

00:12:28: Auf Plattformen wie Etoro, Wikifolio und Sharewise können Millionen von Anlegern ihre Strategien teilen und gegenseitig einsehen.

00:12:39: Wikipedia etwa – eine österreichische Plattform ermöglicht es Traders Musterdepots zu erstellen die dann als Indexzertifikate verbrieft und an der Börse gehandelt werden können.

00:12:51: Über acht tausend solcher Strategien sind aktuell investierbar, das ist im Kern nichts anderes als der Versuch Schwarmwissen in handelbare Finanzprodukte zu übersetzen – allerdings mit einem Haken!

00:13:04: Diese Zertifikaten sind Inhaberschuldverschreibungen kein Sondervermögen.

00:13:09: Das emittenten Risiko liegt beim Anleger.

00:13:12: Noch eindrucksvoller ist was sich im Bereich der Prognose-Märkte tut.

00:13:17: Die Intercontinental Exchange, der Eigentümer der New Yorker Börse hat bis zu zwei Milliarden US-Dollar in die Prediction Market Platform Polymarket investiert und bietet inzwischen normalisierte Datenfeeds an, die das kollektive Wissen dieser Märkte als handelbare Signale aufbereiten – eine Umfrage unter über fünfzig institutionellen Marktstrukturspezialisten in den USA ergab, knapp drei Viertel der Befragten erwarten das Prediction-Marketdaten in den nächsten zwölf Monaten einen echten Mehrwert für institutionelle Investoren bieten werden.

00:13:52: Das Schwarmwissen wird institutionell.

00:13:54: Gleichzeitig gibt es bereits erste Versuche, SchwarmWissen direkt in Anlageprodukte zu übersetzen.

00:14:01: In den USA wurde mit dem CrowdInvest Wisdom ETF ein Börsen gehandelter Fonds aufgelegt der Aktien auf Basis von CrowdSentiment Daten auswählte und gewichtete.

00:14:11: Die Idee war bestechend Demokratisierte Aktienauswahl gestützt auf die kollektive Intelligenz tausender Kleinanleger.

00:14:20: Das Produkt hat den Markt allerdings nicht überlebt, es wurde Mangelsvolumen geschlossen – ein frühes Lehrstück dafür das die Idee allein nicht reicht!

00:14:30: Die Umsetzung, die Datenqualität, die Aggregationsmethodik all das muss stimmen und genau hier liegt die intellektuelle Herausforderung, die dieses Thema so faszinierend macht.

00:14:43: Die Wissenschaft der letzten zwanzig Jahre hat zwei Dinge zweifelsfrei gezeigt.

00:14:48: Erstens unter den richtigen Bedingungen Diversität, Unabhängigkeit Dezentralisierung und ein kluger Aggregationsmechanismus liefern Gruppenergebnisse die einzelne Experten regelmäßig übertreffen.

00:15:03: Das gilt für Geld ins Ochsen-Schätzung Für Konjunkturprognosen Und auch für Finanzmärkte.

00:15:09: Und Zweitens ohne diese Bedingung kann derselbe Mechanismus katastrophale Ergebnisse produzieren, Blasen, Crashs, kollektive Panik.

00:15:19: Die mathematischen und verhaltenswissenschaftlichen Grundlagen aus der Forschung von Condorcet über Galton & Surowietki bis zu Pentland bilden ein robustes Fundament.

00:15:29: Die Daten aus Millionen von Transaktionen auf Social Trading Plattformen liefern die empirische Evidenz.

00:15:35: Die Pellysoll-Methode aus der Management Science zeigt dass es sogar Aggregationsverfahren gibt die deutlich bessere Ergebnisse liefern als ein einfacher Durchschnitt, indem sie geteilte Informationen von privater Information trennen.

00:15:50: Was bisher fehlt ist der nächste Schritt – ein Investmentkonzept das diese Erkenntnisse systematisch nutzt, dass die kollektive Intelligenz vieler Marktteilnehmer einfängt, die bekannten Fallstricke des Herdenverhaltens konstruktiv umgeht und daraus eine investierbare regulierte Strategie formt.

00:16:09: Kein Zertifikat auf einen Musterdepot Kein Copy-Trading, kein Social Media Sentiment als alleiniger Kompass sondern ein durchdachter wissenschaftlich fundierter Ansatz der Schwarmwissen als systematisches Selektionskriterium in eine professionelle Vermögensanlage integriert.

00:16:27: Die Bausteine dafür existieren!

00:16:40: Schauen Sie auch gerne auf unserer Homepage oder auf LinkedIn nach unseren aktuellen Veranstaltungen.

00:16:46: Hier vertiefen

00:16:46: wir die angesprochenen Themen noch mit konkreten Investmentvorschlägen.

00:16:51: Herzlichen Dank für Ihr Interesse, bis zum nächsten Podcast bei Podcastio – ihr Christoph Hau.