Performance LLM-generierter Portfoliogewichtungen

Thema

Die Masterarbeit untersucht, ob ein Large Language Model zur Gewichtung eines Aktienportfolios eingesetzt werden kann, das den Swiss Market Index als Vergleichsgrösse heranzieht. Im Zentrum steht die Frage, ob ein durch ein LLM gewichtetes Portfolio gegenüber dem Benchmark eine bessere Rendite- und Risikostruktur erzielen kann. Die Arbeit verbindet damit Fragestellungen aus Portfoliotheorie, künstlicher Intelligenz und praktischer Anlageentscheidung im Schweizer Aktienmarkt.

Relevanz

Das Thema ist relevant, weil LLMs zunehmend auch im Finanzbereich eingesetzt werden, ihre praktische Leistungsfähigkeit bei konkreten Anlageentscheidungen jedoch noch unzureichend untersucht ist. Besonders für Kleinanleger:innen stellt sich die Frage, ob solche Systeme einen Mehrwert gegenüber einfachen benchmarkorientierten Strategien bieten können. Die Arbeit adressiert damit eine aktuelle Forschungslücke an der Schnittstelle von KI, Portfolioselektion und Schweizer Kapitalmarkt.

Ergebnisse

Die Ergebnisse zeigen, dass das LLM-gewichtete Portfolio in einzelnen Auswertungen eine deskriptive Abweichung gegenüber dem Benchmark erzielen kann. Diese Unterschiede sind jedoch nicht durchgängig stabil und müssen unter Berücksichtigung von Risiko, Transaktionskosten und statistischer Signifikanz vorsichtig interpretiert werden. Insgesamt deutet die Untersuchung darauf hin, dass LLMs zwar unterstützende Hinweise für die Portfoliogewichtung liefern können, eine robuste Überlegenheit gegenüber einem Benchmark aber nicht eindeutig nachgewiesen werden kann.

Implikationen für Praktiker:innen

• LLMs können als ergänzendes Analyseinstrument genutzt werden, ersetzen aber keine systematische Finanzanalyse.
• Für Kleinanleger:innen sind Transaktionskosten und Handelbarkeit zentral, da sie die Performance stark beeinflussen können.
• Eine benchmarknahe Strategie bleibt insbesondere bei fehlender statistischer Überlegenheit eine wichtige Referenz.
• LLM-generierte Gewichtungen sollten kritisch geprüft und nicht ungefiltert umgesetzt werden.
• Der praktische Nutzen liegt eher in der Entscheidungsunterstützung als in einer vollständig automatisierten Anlagestrategie.

Methoden

Methodisch basiert die Arbeit auf einem Vergleich zwischen einem LLM-gewichteten Portfolio und einem Benchmark im Schweizer Aktienmarkt. Für die Analyse werden Renditen, Risikokennzahlen und Performanceunterschiede berechnet. Zusätzlich werden Transaktionskosten berücksichtigt, um die praktische Umsetzbarkeit aus Sicht von Kleinanleger:innen realistisch abzubilden. Die Renditedifferenz wird als Differenz zwischen LLM-Portfolio und Benchmark definiert. Zur statistischen Prüfung werden unter anderem ein gepaarter t-Test, ein Wilcoxon Signed-Rank Test sowie Bootstrap-Konfidenzintervalle verwendet. Dadurch wird untersucht, ob beobachtete Performanceunterschiede statistisch belastbar sind.