Die Sprache der CEOs unter dem Maschinenmikroskop Von Reuters

Von Tommy Wilkes

LONDON (Reuters) – Führungskräfte, aufgepasst! Du könntest dein eigener schlimmster Feind werden.

CEOs und andere Manager werden zunehmend unter die Lupe genommen, da einige Investoren künstliche Intelligenz einsetzen, um ihre Sprachmuster und ihren Tonfall zu lernen und zu analysieren, was neue Möglichkeiten für Ausrutscher eröffnet.

Laut dem Softwarespezialisten für Sprachmuster, Evan Schnidman, spielten Ende 2020 einige Führungskräfte in der IT-Branche die Möglichkeit eines Mangels an Halbleiterchips herunter, während sie über Unterbrechungen der Lieferkette diskutierten.

Alles war gut, sagten sie.

Doch der Tonfall ihrer Sprache zeigte laut einer algorithmischen Analyse, die darauf ausgelegt war, versteckte Hinweise in – idealerweise nicht geschriebenen – gesprochenen Wörtern zu erkennen, ein hohes Maß an Unsicherheit.

“Wir haben festgestellt, dass der Ton der Führungskräfte der IT-Branche nicht mit der positiven Textstimmung ihrer Äußerungen übereinstimmt”, sagte Schnidman, der zwei Fintech-Unternehmen hinter der Analyse berät.

Innerhalb weniger Monate nach den Kommentaren warnten Unternehmen wie Volkswagen (DE:) und Ford vor einem schwerwiegenden Mangel an Chips, der die Produktion beeinträchtigt. Die Aktienkurse von Auto- und Industrieunternehmen fielen. IT-Führungskräfte sagten nun, es gebe einen Angebotsengpass.

Schnidman ist der Ansicht, dass computergesteuerte Quantenfonds, die auf Werte zugreifen, die dem Tonfall der Worte der Manager zugeordnet sind, im Vergleich zu den Werten, die den geschriebenen Worten zugeordnet sind, vor den Turbulenzen der Branche besser positioniert gewesen wären.

Ein Beispiel kann die Genauigkeit der Sprachanalyse jedoch nicht bestätigen, da wir nicht wissen, ob die Führungskräfte zu Beginn übermäßig optimistisch waren oder ihre Ansichten aufrichtig änderten, wenn sich die Umstände änderten.

Einige Investoren sehen die Technologie – bekannt als Natural Language Processing (NLP) – dennoch als ein neues Werkzeug, um sich einen Vorteil gegenüber Konkurrenten zu verschaffen, so Reuters-Interviews mit 11 Fondsmanagern, die solche Systeme verwenden oder testen.

Sie sagen, dass traditionelle Finanzdaten und Unternehmensabschlüsse heutzutage so stark gemined sind, dass sie wenig Wert bieten.

‘ETWAS SEHR chaotisch’

NLP ist ein Zweig der KI, bei dem maschinelles Lernen auf Sprache losgelassen wird, um sie zu verstehen und sie dann in quantifizierbare Signale umzuwandeln, die Quant Funds in den Handel einbeziehen.

Die ehrgeizigste Software in diesem Bereich zielt darauf ab, neben der Phraseologie auch die hörbaren Töne, Kadenzen und Betonungen von gesprochenen Wörtern zu analysieren, während andere versuchen, die Transkripte von Reden und Interviews auf immer raffiniertere Weise zu analysieren.

Slavi Marinov, Head of Machine Learning bei Man AHL, einem Teil der 135 Milliarden Dollar schweren Investment-Management-Firma Man Group, sagte gegenüber Reuters, dass NLP „einer der wichtigsten Forschungsschwerpunkte“ des computergesteuerten Fonds sei.

„Diese Modelle verwandeln etwas, das sehr unordentlich ist, in etwas, das für einen Quant leicht verständlich ist“, sagte er.

In der Tat sagen Befürworter, dass NLP das ungenutzte Potenzial für Erkenntnisse aus der Welt der „unstrukturierten Daten“ erschließen kann: die Anrufe mit Analysten, die ungeschriebenen Fragen und Antworten, die Medieninterviews.

Dies ist jedoch offen für Diskussionen.

Diese KI-Systeme können Millionen von Dollar kosten, um sie zu entwickeln und zu betreiben, was viele Investoren und Entwickler ausschließt, die tief in die Tasche greifen oder die Nische retten. Einige befinden sich auch in einem vergleichsweise experimentellen Stadium, ohne öffentlich zugängliche Daten, die belegen, dass sie Geld verdienen. Die befragten Fonds lehnten es ab, Beweise dafür zu erbringen, dass NLP die Renditen steigern kann, unter Berufung auf kommerzielle Sensibilitäten.

Einige Studien deuten jedoch darauf hin, dass die Techniken die Leistung steigern könnten, wenn sie sich auf intelligente Orte konzentrieren.

Eine Analyse im September durch die quantitativen Strategen von Nomura zeigte einen Zusammenhang zwischen der Komplexität der Sprache der Führungskräfte bei Gewinngesprächen und Aktien. US-Chefs, die eine einfache Sprache verwendeten, verzeichneten eine Outperformance der Aktien ihrer Unternehmen seit 2014 um 6 % pro Jahr im Vergleich zu denen, die komplexe Formulierungen verwenden.

BofA-Analysten verwenden ein Modell, das Phrasen in Gewinnaufrufen verwendet, um die Ausfallraten von Unternehmensanleihen vorherzusagen. Dabei werden Tausende von Phrasen wie “Kostensenkung” und “Cashburn” untersucht, um Phrasen zu finden, die mit zukünftigen Zahlungsausfällen in Verbindung stehen. Ein Backtesting des Modells zeigte eine hohe Korrelation mit den Ausfallwahrscheinlichkeiten, sagte die BofA.

Beide Systeme analysieren Transkripte.

Für eine Grafik zur einfachen vs. komplexen Sprache:

https://fingfx.thomsonreuters.com/gfx/mkt/dwpkraezmvm/simple%20earnings.PNG

MASCHINENMESSKULTUR

In den vergangenen Jahren war die Sprachverarbeitung im Finanzwesen eine grundlegende und weit verbreitete Software, die Nachrichten oder Social-Media-Beiträge nach Stimmungen sortiert. Dies verliert angesichts immer ausgefeilterer NLP-Modelle, die durch technische Fortschritte und sinkende Cloud-Computing-Kosten angetrieben wurden, an Wert.

Der Durchbruch kam 2018, als die Entwickler den Quellcode hinter NLP “Transfer Learning” veröffentlichten, der es ermöglichte, ein Modell an einem Wortdatensatz vorzutrainieren und dann an einem anderen zu arbeiten, was Zeit und Geld sparte.

Das KI-Team von Google (NASDAQ:) hat seitdem den Code hinter mehreren hochmodernen Modellen veröffentlicht, die mit immer größeren Datensätzen vortrainiert wurden.

Entwickler aktueller Systeme sagen, dass sie Zehntausende von Wörtern blitzschnell verarbeiten, Muster extrahieren und ihren Grad der Beziehung zu bestimmten signifikanten “Start”-Wörtern, -Phrasen und -Ideen quantifizieren, wie sie vom Benutzer festgelegt werden.

Marinov von MAN AHL sieht in der Tonanalyse Verdienst, hat sie aber noch nicht verwendet und konzentriert sich vorerst auf Hinweise, die in geschriebenen Texten verborgen sind.

Dies kann alles sein, vom Vergleich von Geschäftsberichten im Zeitverlauf, um nach subtilen Veränderungen zu suchen, die für den Leser nicht offensichtlich sind, bis hin zur Quantifizierung von etwas so Ungreifbarem wie der Unternehmenskultur.

Nur wenige Anleger haben in der Vergangenheit versucht, die Unternehmenskultur formell zu messen, obwohl sie für die langfristige Performance entscheidend ist, insbesondere in der heißen ESG-Investitionssphäre aus Umwelt-, Sozial- und Governance-Überlegungen.

Das Modell von Man AHL kann die Kommentare von Führungskräften scannen, um nach Wörtern oder Sätzen zu suchen, die eine “zielorientierte” Kultur zeigen, sowie Mitarbeiterbewertungen auf der Karriere-Website Glassdoor durchsuchen.

Kai Wu, Gründer des Hedgefonds Sparkline Capital, hat „Persönlichkeitsprofile“ für Unternehmen erstellt, um die Einhaltung bestimmter kultureller Werte zu messen.

Er wählt Saatworte aus, von denen er glaubt, dass sie solche Werte widerspiegeln. Sein NLP-Modell reduziert dann riesige Volumina von Wörtern auf eine kleine Anzahl von Wörtern mit ähnlicher Bedeutung, wobei die Ergebnisse numerisch ausgedrückt werden.

Anhand seines NLP-Modells zu Managementkommentaren und Mitarbeiterbewertungen stellte er fest, dass Unternehmen mit „idiosynkratischen“ Kulturen wie Apple (NASDAQ:), Southwest Airlines (NYSE:) und Costco (NASDAQ:) übertrafen.

Umgekehrt haben US-Unternehmen, die „Toxizität“ aufweisen – bei denen Mitarbeiter so spezifische Redewendungen wie „Club der guten alten Jungs“ und „Hund isst Hund“ verwenden – stark unterdurchschnittlich abgeschnitten, sagte Wu.

‘ES GIBT KEINE REGELN’

Fonds, die nicht über die Ressourcen verfügen, um Data Scientists einzustellen, um ihre eigenen NLP-Tools zu entwickeln, können Analysen von Drittanbietern kaufen, wie sie Schnidman berät – Fintech Aiera und Tonal Analytics-Anbieter Helios Life Enterprises – die ihre Dienstleistungen an Kunden wie Hedgefonds verkaufen.

Wu von Sparkline ist jedoch der Meinung, dass Fonds NLP-abgeleitete Daten “so nah wie möglich an Rohdaten” erhalten sollten, wobei interne Modelle vorzuziehen sind.

Die Technologie steht vor anderen Herausforderungen, und es kann zeitaufwändig sein, sie richtig zu machen.

Niederländischer Manager NN (NASDAQ:) Investment Partners verwendet eine Mischung aus Daten von Drittanbietern und eigenen Modellen, einige davon noch in der Forschungsphase.

Ein Projekt trainiert ein Modell, um Wörter zu finden, die die Ausfallraten von Anleihen vorhersagen, sagte Sebastiaan Reinders, Leiter des Bereichs Investment Science bei NNIP. Dies erforderte jedoch zunächst, dass Portfoliomanager lange Listen von Phrasen untersuchen, um sie manuell als positiv oder negativ zu kennzeichnen.

Die meisten Modelle sind auf Englisch ausgerichtet, und Entwickler könnten vor einer schwierigen Aufgabe stehen, sie anzupassen, um die Stimmung von Menschen aus verschiedenen Kulturen, die andere Sprachen sprechen, genau zu lesen.

Plus, Führungskräfte baumeln auf.

Als George Mussalli, Chief Investment Officer der US-amerikanischen PanAgora Asset Management, einem Chef einer Biotech-Firma erzählte, dass die KI seines Fonds die Kommentare der Führungskräfte nach Schlagworten durchsuchte, bat die Person um eine Liste, um seinem Unternehmen zu helfen, einen höheren Rang zu erreichen.

Mussalli lehnte die Anfrage ab, sagte jedoch, dass Dokumente wie die Transkripte von Verdienstgesprächen zunehmend „gut geschrieben“ seien, was ihren Wert untergräbt.

Marinov von der Man Group geht jedoch davon aus, dass die Führungskräfte letztendlich den Maschinen, die mit mehr Daten besser werden, nicht gewachsen sein werden.

“Es gibt keine Regeln, es ist wie ein selbstfahrendes Auto, das lernt, während es fährt”, fügte er hinzu. “In vielen Fällen ist es daher unmöglich, der Führungskraft eine Liste mit Schlagworten zu geben.”