Zo tilt AI momentumbeleggen naar een hoger niveau

Momentumbeleggen vertrekt van een eenvoudig, maar vrij consistent patroon op de aandelenmarkten. Met name: aandelen die het recent goed deden, blijven dat vaak nog een tijd doen, terwijl de achterblijvers dikwijls nog verder achteropraken. Momentumbeleggers rangschikken aandelen op basis van hun prestaties over een vooraf bepaalde periode, waarna ze winnaars (bij)kopen en verliezers verkopen. 
Deze aanpak is wijdverspreid, maar verre van perfect. Niet elke trend zet zich immers door. Bovendien houden klassieke momentumstrategieën geen rekening met nieuwe, bedrijfsspecifieke informatie. 
Voor momentumbeleggers leidt dat mogelijk tot onnodige transacties en posities die te zwaar doorwegen. Maar wat als AI zou helpen om beter in te schatten of een trend aanhoudt of niet?

Nieuws als ontbrekende schakel

In een recente paper van het Swiss Finance Institute combineren de auteurs het momentum met bedrijfsnieuws. Ze focussen daarbij op het laatste nieuws over individuele ondernemingen. Zulke actuele informatie is cruciaal, want koersbewegingen op korte termijn worden vaak gedreven door concrete bedrijfsontwikkelingen, zoals resultaten, nieuwe contracten of juridische dossiers. 
Door deze nieuwsberichten systematisch te analyseren ontstaat een rijker beeld van het verhaal achter een koersbeweging. Het doel is daarbij niet om nieuws te voorspellen, maar om te begrijpen of nieuwe informatie een bestaande trend ondersteunt of juist ondergraaft. Zo wordt het momentum minder mechanisch en meer contextgedreven.

De kracht van grote AI-taalmodellen

Hier komen de grote AI-taalmodellen in beeld. Zo’n model leest elk nieuwsbericht, en beoordeelt onder meer de relevantie voor het bedrijf en de richting van de boodschap. 
Versterkt het nieuws de bestaande koersbeweging of spreekt het die tegen? Die analyse gebeurt via zorgvuldig opgebouwde instructies, de ondertussen alom bekende prompts, waarbij het model expliciet weet dat het aandeel op het punt staat in een momentumportefeuille te belanden. 
De uitkomst is geen koop- of verkoopsignaal op zich, maar een verfijning van de positie: hoeveel gewicht krijgt het aandeel in de portefeuille? Technisch gezegd helpt het AI-model zowel bij de beslissing om te handelen als bij de ‘sizing’ van de positie, een vaak onderschatte bron van rendement.

Hoger rendement, lager risico

De resultaten zijn overtuigend. De met artificiële intelligentie verrijkte strategie behaalt niet alleen hogere rendementen, maar ook een betere Sharpe-ratio (dat is een maatstaf die het rendement afzet tegen het risico). Met andere woorden: de winst per eenheid risico stijgt. Deze bevinding suggereert dat AI-taalmodellen in dit geval effectief extra informatie ontsluiten.
Dit is geen pleidooi om klassieke modellen overboord te gooien, maar een duidelijke en overtuigende illustratie van hoe AI bestaande beleggingsprincipes kan aanscherpen en disciplineren, en - niet onbelangrijk - het risico kan verminderen en het rendement kan verhogen.