Die Vorhersage von Rezessionen mithilfe von KI
In der Wirtschaft sind die Bemühungen, den wirtschaftlichen Zyklus und insbesondere Rezessionen vorherzusagen, von zentraler Bedeutung. Die Fähigkeit, frühzeitig auf wirtschaftliche Turbulenzen zu reagieren, kann den Unterschied zwischen Erfolg und Misserfolg für Unternehmen, Investoren und Regierungen bedeuten. In den letzten Jahren hat die künstliche Intelligenz (KI) eine beeindruckende Rolle dabei übernommen, unsere Fähigkeit zur Vorhersage von wirtschaftlichen Abschwüngen zu verbessern. Kann die KI als zuverlässiges Werkzeug zur Ermittlung von Rezessionen angesehen werden?
Drohende Rezession in den USA?
Die Diskussion darüber, ob die USA im Jahr 2024 von einer Rezession getroffen wird, ist in vollem Gange. Goldman Sachs schätzt die Wahrscheinlichkeit auf 15%. Die New York Federal Reserve Bank hingegen prognostiziert 69% mit Hilfe einer Zinsstrukturkurve, einem beliebten Indikator zur Bestimmung von Rezessionen. Umfragen unter CEOs und Verbrauchern zeigen, dass 84% bzw. 69% der Meinung sind, dass in den nächsten 12-18 Monaten mit einer Rezession zu rechnen ist. Quantitative Analysten, auch als "Quants" bekannt, stellen sich nun die Frage, ob künstliche Intelligenz zur Verbesserung der Genauigkeit gebraucht werden kann. Allerdings hat sich gezeigt, dass Machine Learning nicht so nützlich ist, wie zunächst erhofft.
Schwächen der KI
"Die Modellierung der Rezession im Vergleich zu anderen Bereichen hat sich nicht so stark weiterentwickelt", sagt Max Gokhman, Leiter der Anlagestrategie MosaiQ bei Franklin Templeton. Dies ist auf zwei Hauptgründe zurückzuführen. Zum einen stehen schlichtweg nicht genügend Daten zur Verfügung, um solche Modelle effektiv zu trainieren. Zum anderen ist es schwierig, die relevanten wirtschaftlichen Signale zu isolieren und angemessen zu bewerten. Daten bilden das Fundament für künstliche Intelligenz, sind jedoch in diesem Kontext begrenzt. Seit den 1990er Jahren gab es in den USA lediglich vier Rezessionen, basierend auf BIP-Indikatoren. Daher ist die Lernfähigkeit der Modelle stark eingeschränkt, was ihre Komplexität erheblich behindert. Aric Whitewood, Mitbegründer des KI-Makro-Hedgefonds XAI Asset Management, bringt es auf den Punkt: "Mit weniger als 10 Fällen von Rezessionen ist es äußerst schwierig, ein qualitativ hochwertiges Modell zu erstellen. Idealerweise benötigt man Dutzende oder sogar Hunderte von Fällen, um ein Modell wirkungsvoll zu trainieren.
Versuch von BNPPAM
Quants unterteilen die Vorhersage von Rezessionen in zwei wesentliche Bereiche: die Identifizierung von Variablen, die auf eine bevorstehende Rezession hinweisen, und die Suche nach innovativen statistischen Techniken, um frische Datenquellen für Prognosen zu erschließen. Ähnlich wie Ökonomen greifen sie bei der Bestimmung von Rezessionen auf verschiedene Indikatoren zurück, darunter die Inversion der Renditekurve des Schatzamtes, Schwankungen im Bruttoinlandsprodukt (BIP) oder Markov-Switching-Modelle. Zusätzlich nutzen sie dynamische Faktormodelle, die davon ausgehen, dass die gemeinsame Bewegung in einer Vielzahl von Zeitreihen durch eine begrenzte Anzahl von nicht beobachteten gemeinsamen Faktoren erklärt werden kann. Einer dieser latenten Faktoren ist der Konjunkturzyklus. Die Asset-Management-Firma BNPPAM hat Modelle auf Basis von makroökonomischen Variablen entwickelt, um einen Frühwarnindikator für Rezessionen zu schaffen. Leider waren die daraus resultierenden Signale zu schwach, und sie konnten nicht erfolgreich im Echtzeithandel eingesetzt werden. Aufgrund des erneuten Mangels an ausreichenden Daten und der enormen Komplexität der Finanzmärkte wurde das Projekt auf unbestimmte Zeit auf Eis gelegt.
Tiefes Lernen
Franklin Templeton hat sich in der Zwischenzeit intensiv mit Deep Learning beschäftigt, um das Netzwerk von Faktoren, die zu Rezessionen beitragen, genauer zu analysieren. Deep Learning repräsentiert einen Zweig des maschinellen Lernens, der darauf abzielt, die Funktionsweise des menschlichen Gehirns zu imitieren. Bei dieser Methode durchsucht der maschinelle Lernprozess Muster in historischen Daten, indem er die Koeffizienten von Formeln ändert, die von Quant-Analysten definiert wurden. Das Verhältnis zu den vorhergesagten Ergebnissen entwickelt sich im Laufe der Zeit. Die Herausforderung dabei besteht darin, dass das Modell die Formeln komplett neu erstellt hat, was dazu führte, dass die Daten undurchsichtig und unbrauchbar wurden. Abschliessend kann man sagen, dass man KI (noch) nicht als zuverlässiges Warnsystem für Rezessionen gebrauchen kann. Diese Situation dürfte sich zweifellos in den kommenden Jahren ändern, indem Modelle und die gesamte Technologie weiter verfeinert werden.
Informatik Jobs
Administration Jobs
Schönheits Jobs
Bildungs Jobs
Finanz Jobs
Gesundheits Jobs
Human Resources Jobs
Logistik Jobs 
Pharma Jobs
Jetzt teilen
Jetzt teilen