DAS ENDE DER VERMÖGENSVERWALTUNG Marcel van Leeuwen

Transkript

1

2 DAS ENDE DER VERMÖGENSVERWALTUNG Marcel van Leeuwen

3 DAS E N DE DER V ER MÖGENSVERWALTUNG 10 Thesen 1 Szenario Was macht Deutsche Wertpapiertreuhand? Was machen Banken, Vermögensverwalter und Berater?

4 D IE H ISTORIE DER G ESCHÄFTSPOLITIK DER B ANKEN Florenz 1400 Erste Multi- Eigentümer Banken Geschäftshorizont: Generationen Wall Street 1970 Börsennotierte Aktiengesellschaften Geschäftshorizont: Jahre Frankfurt 2016 Politisch beeinflusste börsennotierte Aktiengesellschaften Geschäftshorizont: Quartale

5 D IE H ISTORIE DER K U NDENBEZIEHUNGEN DER B A N K EN Gegenseitigkeit Beratung Vertrieb

6 H AU P TSATZ DER PARASITÄREN V ER MÖGENSVERWALTUNG N = E - K Bank Bank Bank

7 T HESE 1 Die Vertriebspolitik der Banken ist am Ende

8 WAS IST K U N DENNUTZEN IN DER V ER MÖGENSVERWALTUNG? Kundendepot und bisherige Entwicklung Zuversicht Finanzielles Ziel Jetzt Zukunft

9 H AU P TSATZ DER S YMBIOTISCHEN V ER MÖGENSVERWALTUNG N = Z * ( E - K ) Bank Mandant & Bank Mandant Bank

10 H AU P TSATZ DER TREU HÄNDER ISCHEN V ER MÖGENSVERWALTUNG N = Z * ( E - K ) Bank Mandant & Bank Mandant Bank E : konstanter Wert in Bezug auf Volumen, Aufwand oder Rendite Bank

11 T HESE 2 Die Maximierung der Kundenzuversicht bestimmt die darwinistische Entwicklung der Branche

12 DAS EINFACHSTE M ODELL DER V ER MÖGENSVERWALTUNG Mandant Matching Anlagestrategien

13 DAS EINFACHSTE M ODELL DER V ER MÖGENSVERWALTUNG Mandant Matching Anlagestrategien Veränderlich Non-stationär Was ist in diesem Moment die beste Anlagestrategie für diesen Mandanten? Veränderlich Non-stationär

14 T HESE 3 Klassische Kapitalmarkttheorien bieten wenig Praxisnutzen

15 Innere Wirkung K L A S S ISCHE T HEORIE V ER S U S K Ü NSTLICHE I NTELLIGENZ Klassische Theorie: 1. Explizites Modell 2. Funktionen 3. Reality Check 4. Anpassung des Modells Künstliche Intelligenz: 1. Realität 2. Algorithmen 3. Training 4. Implizites Modell Äußeres Verhalten

16 WAS IST K Ü N STLICHE I N TELLIGENZ? Allgemeine KI Analytisch Regression Gruppieren Algorithmen Domänspezifische KI Praktisch Kreativ

17 V ER FA HREN U N D A NSÄTZE IN DER K Ü NSTLICHEN I NTELLIGENZ Optimierung Machine Learning Neuronale Netze Statistical Learning Data Mining Künstliche Intelligenz Deep Learning Evolutionäre Algorithmen Support Vector Machines Fuzzy Logic Bayes Netze

18 B EISPIELE FÜR A NWENDUNGEN DER K Ü NSTLICHEN I NTELLIGENZ Customer Support Games Roboter KI Riot Control Bilderkennung Spracherkennung Empfehlungssysteme Sentimentsanalyse Strukturanalyse Autonom fahrende Autos Medizinische Systeme

19 K I LER N T INDIVIDUELLES M ANDANTEN- U N D S TRATEGIEV ER HALTEN Mandant Matching Anlagestrategien Veränderlich Non-stationär Was ist in diesem Moment die beste Anlagestrategie für diesen Mandanten? Veränderlich Non-stationär

20 T HESE 4 Künstliche Intelligenz wird einen Quantensprung in der Qualität der Vermögensverwaltung auslösen

21 W IE GEHT ES DER B R ANCHE? Newcomers Banken Lieferanten Kunden Vermögensverwalter Substitute

22 D IE B A N K EN S IND HANDLU NGSUNFÄHIG Finanz-, Euround Bankenkrise Kosten & Margen Geschäftsmodell Regulierung Kapital Skills Image

23 D IE V ER MÖGENSVERWA LTER ER R EICHEN K EINE K R ITISCHE G RÖßE Skalierung Skills Finanzierung

24 T HESE 5 Die Banken sind zu groß und die Vermögensverwalter zu klein

25 B R A N CHENTEILNEHMER HABEN W ENIG M ARKTMACHT Depotbanken, KVGs: Niedrige bis moderate Renditen Newcomers Fintechs: Proof of Concept fehlt noch, Transparenz Lieferanten Banken Vermögensverwalter Kunden Bankeinlagen, Lebensversicherungen, Immobilien: Schlechte Risiko-Rendite-Profile Substitute Anleger: Fehlendes Vertrauen

26 T HESE 6 Die Branche der Vermögensverwaltung ist schwach

27 V ER Ä N DERU NG MÖGLICH DURCH NEU E G ESCHÄFTSMODELLE Integration, Moving up the Value Chain Newcomers Goldgräber, Trojaner Lieferanten Banken Vermögensverwalter Kunden Venture Capital Substitute Radikale

28 T HESE 7 Die Branche bietet Game Changers einladende offene Flanken

29 K R ITISCHE E R FOLGSFAKTOREN Effektivität Zuversicht Effizienz Erfolg

30 W IRD K Ü NSTLICHE I NTELLIGENZ IN DIE B R ANCHE EINZIEHEN? Die Kunden suchen Zuversicht KI bietet effektivere und effizientere Lösungen Die Branche ist schwach KI ist in Reichweite bestehender und neuer Anbieter Ja

31 T HESE 8 Künstliche Intelligenz ist bereits da

32 E V IDENCE- BASED MEDICINE Patient Arzt Arzt Therapievorschlag Untersuchung Diagnose KI System

33 T HESE 9 Künstliche Intelligenz ist nicht gleich online

34 W ETTBEW ER B AU F ZWEI E B ENEN Anbieter mit künstlicher Intelligenz Anbieter ohne künstliche Intelligenz MKI 1 MKI 2 MKI 3 MKI n OKI 1 OKI 2 OKI 3 OKI n

35 T HESE 10 Künstliche Intelligenz wird die Branche revolutionieren

36 A LTE W ELT Vorstand Management Berater Online Kunden

37 N EU E W ELT: T HE M ONEY M ACHINE M ONOPOLY Berater Mandant KI Engine Online

38 Z ENK I V - Z ENTRU M FÜR K Ü NSTLICHE I NTELLIGENZ IN DER V ER MÖGENSVERWALTUNG Mandant Matching Anlagestrategien Veränderlich Non-stationär Was ist in diesem Moment die beste Anlagestrategie für diesen Mandanten? Veränderlich Non-stationär

39 COMPU TATIONAL W EALTH M ANAGEMENT E NGINE Realisierung Computersysteme Prozesse Prozessmanagement Entscheidungen Künstliche Intelligenz

40 COMPU TATIONAL W EALTH M ANAGEMENT E NGINE Kernprozesse Mandanten Portfolios Operative Prozesse Betrieb Sekundäre Prozesse Compliance Revision Finanzen

41 WAS MACHEN DIE B ANKEN, V ER MÖGENSVERWALTER U ND B ER ATER? N = Z * ( E - K ) Bank Mandant & Bank Mandant Bank E : konstanter Wert in Bezug auf Volumen, Aufwand oder Rendite Bank Berater Mandant KI Engine Online

42 WAS MACHEN DIE B ANKEN, V ER MÖGENSVERWALTER U ND B ER ATER? Integration, Moving up the Value Chain Newcomers Goldgräber, Trojaner Lieferanten Banken Vermögensverwalter Kunden Venture Capital Substitute Radikale

43

44 KONTA K T Marcel van Leeuwen Geschäftsführer Deutsche Wertpapiertreuhand mvl@wertpapiertreuhand.de XING: LinkedIn: ZenKIV Zentrum für Künstliche Intelligenz in der Vermögensverwaltung The Money Machine Monopoly