Mit fynup-ratio die bessere Auswahl

Genauso, wie wir bei der Kostenanalyse der Kombination aus Veranlagung und Produkthülle auf die harten Fakten setzen, verlassen wir uns auch bei der Auswahl der besten Fonds nicht auf irgendein Bauchgefühl. Deshalb haben wir gemeinsam mit der Linzer Johannes Kepler Universität eine ganz eigene Methodik entwickelt. 

Wie das fynup-ratio genau funktioniert – und warum es besser für den Anleger ist – beschreibt Institutsvorstand Univ.-Prof. Dr. Gerhard Larcher in diesem Artikel.

Die allermeistern Portfolio-Analyse-Programme basieren auf der klassischen Herangehensweise. Dabei wird für jeden einzelnen Fonds eine Prognose für den Trend und die Volatilität geschätzt, sowie für je zwei Fonds eine Prognose für die Korrelation im kommenden Investitionszeitraum.

Es ist aber schlichtweg nicht möglich auch nur einigermaßen zuverlässige Schätzungen, insbesondere für den kommenden Trend von Fonds abzugeben. Damit bewegen sich alle Portfolio-Analyse Systeme, die auf diesem klassischen Ansatz basieren, auf sehr unsicherem Terrain.

Wir sind uns dieser Tatsache in höchstem Maße bewusst. Daher haben wir den Ansatz verfolgt, dass nur durch eine wesentliche Neuorientierung bei der Parameterwahl die Qualität herkömmlicher Systeme entscheidend verbessert werden kann.

Fest steht: Niemand, auch nicht das beste Analyse-System, kann perfekte Prognosen für zukünftige Kurs-Entwicklungen geben. Aber man kann die Portfolio-Analyse auf abgeänderte Parameter aufbauen, die wesentlich besser schätzbar sind, als die herkömmlichen Parameter (insbesondere, als der Trend).

Aus diesem Grund haben wir fynup-ratio entwickelt: Eine neue Maßzahl, die auf Prinzipien der Künstlichen Intelligenz (AI) beruht und – mit Hilfe von AI-Techniken sowie mit Hilfe von Monte-Carlo- und quasi-Monte-Carlo-Simulationen – bestmöglich geschätzt werden kann.

Anstelle des Trends als Basis-Parameter verwenden wir nun in unserem Portfolio-Analyse-Programm (fynup-Portfolio) die fynup-ratio als wesentlichen Parameter. Dadurch wird eine wesentliche Qualitätsverbesserung der Analysen gegenüber dem klassischen Ansatz möglich.

Die fynup-ratio ordnet jedem Fonds eine Zahl zwischen 0 (niedrigste Qualität) und 100 (höchste Qualität) zu. Werte über 60 sind als „gut“, Werte über 70 als „sehr gut“ zu klassifizieren.

Im Moment weist der Fonds mit der besten Bewertung eine fynup-ratio von 82,33 auf. Das heißt, der Fonds verfügt zu ca. 82,33 % über Eigenschaften, die sich in der Vergangenheit als wesentlich für eine nachfolgende gute Entwicklung erwiesen haben.

• 0 = niedrigste Qualität
• 100 = höchste Qualität
• Über 60 = gut
• Über 70 = sehr gut
• Bester Fonds = 82,33

Wir sehen im Moment keine Möglichkeit, mit Hilfe rein technischer Daten Prognose-Maßzahlen zu entwickeln, die eine höhere Prognose-Qualität aufweisen, als die fynup-ratio. Auf Basis dieser fynup-ratio anstelle des Trends ist auch unser fynup-Portfolio-Optimizer auf denselben Prinzipien aufgebaut, wie die üblichen, herkömmlichen Systeme.

Die Entwicklung der fynup-ratio und des fynup Portfolio-Optimizers erfolgte in enger Kooperation durch die fynup GmbH und das Institut für Finanzmathematik und Angewandte Zahlentheorie an der Johannes Kepler Universität Linz, das von Univ.-Prof. Dr. Gerhard Larcher geleitet wird.

Die sehr hohe wissenschaftliche Reputation dieses Instituts ist zum Beispiel – neben einer Vielzahl von wissenschaftlichen Publikationen durch die MitarbeiterInnen des Instituts – dadurch nachgewiesen, dass der österreichweite FWF-Spezialforschungsbereich „Quasi-Monte-Carlo-Methoden: Theorie und Anwendungen“ von Prof. Larcher geleitet wird (Laufzeit 2014 – 2022, Fördersumme 9 Mio. Euro).

Diese FWF-Spezialforschungsbereiche stellen die Exzellenzprojekte in der österreichischen Forschungslandschaft dar. Zurzeit laufen österreichweit insgesamt (über alle Forschungsprojekte gesehen) nur 15 solcher Exzellenzprojekte.

Dieser Spezialforschungsbereich ist eines der weltweit führenden Zentren in der Entwicklung und Anwendung von Monte-Carlo- und quasi-Monte-Carlo-Methoden.

• Herkömmliche Methoden auf unsicherem Terrain
• Geänderte Parameter für Fondsauswahl
• Auf Basis enormer Datenmengen
• Genaue Analyse mit KI-Methoden
• fynup-ratio ordnet jedem Fonds eine Zahl zu
• Höchstmögliche Prognose-Qualität
• 35 % Verbesserung der Qualität
• Gemeinsame Entwicklung von JKU und fynup