Die jüngsten Geschehnisse zeigen die heutige globale Abhängigkeit deutlich auf. Lokale Ereignisse haben innert kürzester Zeit weltweite Auswirkungen, was insbesondere auf die vernetzten Finanzmärkte Auswirkungen hat. So ist es etwa für eine aussagekräftige Aktienanalyse unabdingbar, sie auf relativer, globaler Basis durchzuführen. Das bedeutet, dass ein Unternehmen nicht unabhängig nach seinen Bilanzkennzahlen und der Erfolgsrechnung beurteilt werden soll, sondern ein simultaner, internationaler und relativer Vergleich notwendig ist, um eine aussagekräftige Bewertung der Firma zu erhalten.
Dies könnte durch den Einsatz von Heerscharen von Finanzanalysten bewältigt werden, was für die meisten Vermögensverwalter und Banken nicht praktikabel ist. Besser ist der Einsatz von modernen Algorithmen. Sie können die klassische Finanzanalyse global skalieren und unter Zuhilfenahme künstlicher Intelligenz Muster erkennen, die dem menschlichen Auge aufgrund der schieren Datenmenge verborgen bleiben. Dabei ist es neben der fundierten wissenschaftlichen Basis inhärent wichtig, dass entsprechende Modelle möglichst generisch konzipiert werden, um auch bei zukünftigen, unvorhergesehenen Ereignissen richtig zu reagieren und ein sogenanntes Overfitting zu verhindern.
Das Aktienmodell sollte dabei auf gründlich erforschten klassischen Risikofaktoren basieren, die sich in der Praxis bewährt haben. So können monatlich global Tausende Unternehmen aus allen Sektoren über zahlreiche Dimensionen simultan miteinander verglichen werden, um schliesslich jene Unternehmen zu identifizieren, die in Zukunft im relativen Vergleich Mehrwert generieren.
Dieser Ansatz hat sich aktuell bewährt. So hat das von VT Wealth Management verwaltete US-Long/Short-Portfolio bis Ende April eine Rendite von 23,3 Prozent erwirtschaftet, während die US-Aktienmärkte im gleichen Zeitraum rund 6,6 Prozent verloren. Die Kombination von klassischer Finanzanalyse mit moderner Technologie erweist sich entsprechend als erfolgreich und zukunftsweisend.