Science-based Investing: Wie Quoniams Research die Performance antreibt

Was genau versteht Quoniam unter Research? Wir folgen einem wissenschaftsbasierten Ansatz, der auf datengetriebenen Analysen und modellgestützten Verfahren basiert. Damit grenzen wir uns bewusst von traditionellen Investmentmethoden ab. Dr. Maximilian Stroh, CFA, Head of Research, erläutert im Interview, wie Quoniam mithilfe fortschrittlicher quantitativer Modelle wertvolle Informationsvorsprünge identifiziert – und diese gezielt zur Steigerung der Performance einsetzt.

In Kürze

  • Quoniam kombiniert systematische Modelle mit datengetriebener Forschung, integriert empirisch nachgewiesene Performancetreiber und verzichtet auf subjektive Einschätzungen.

  • Das interdisziplinäre Research-Team entwickelt und testet kontinuierlich neue Faktoren, damit der Investmentprozess in verschiedenen Marktphasen robust und anpassungsfähig bleibt.

  • Durch ein breites Spektrum an Alpha-Faktoren für Aktien und Anleihen entstehen diversifizierte Portfolios mit stabilen Überrenditen.

Die Kapitalmärkte sind umkämpfter denn je. Welchen Ansatz verfolgt Quoniam, um attraktive Renditen zu erzielen?

Quoniam verfolgt einen systematischen Ansatz, um die Vielzahl an Chancen zu nutzen, die sich kontinuierlich an den Aktien- und Rentenmärkten ergeben. Wir analysieren ein breites Anlageuniversum und konstruieren daraus diversifizierte Portfolios. Um die Vielzahl an Titeln bewerten zu können, setzen wir auf statistische Modelle, die Rendite- und Risikoerwartungen prognostizieren. Dabei verzichten wir bewusst auf subjektive Einschätzungen traditioneller Analysten bei der Titel- und Sektorenauswahl.

Wir verbinden akademische Forschung mit datengetriebener Analyse, um die wesentlichen Performancetreiber von Aktien und Anleihen systematisch zu identifizieren. Jeder potenzielle Treiber, wie beispielsweise die Patente eines Unternehmens, durchläuft einen strengen Validierungsprozess und wird nur dann in unsere Modelle integriert, wenn seine Aussagekraft empirisch nachgewiesen ist. So stellen wir sicher, dass unsere Investmententscheidungen nachvollziehbar sind und auf wissenschaftlich fundierten Grundlagen beruhen.

Was sind die wichtigsten Performancetreiber in den Quoniam-Modellen?

Im Aktienbereich greifen unsere Modelle auf mehr als 100 Alpha-Faktoren zurück. Viele dieser Faktoren lassen sich den Kategorien Value, Quality und Sentiment zuordnen und bilden den Kern unseres Investmentprozesses. Diese Performancetreiber beruhen auf langjähriger Forschung, in der sie sich als statistisch und wirtschaftlich signifikante Indikatoren für zukünftige Überrenditen erwiesen haben.

Im Bereich der Unternehmensanleihen liegt der Fokus auf den Faktoren Value, Carry und Momentum. Ähnlich wie bei unseren Aktiensignalen kommt auch hier ein breites Spektrum innovativer Performancetreiber zum Einsatz. Dabei basiert der Momentumtreiber interessanterweise auf dem Aktienmomentum, da Aktien oft schneller reagieren als Unternehmensanleihen. Bestimmte Signale müssen eben nicht unbedingt an eine einzelne Anlageklasse gebunden sein, sondern können auch Assetklassen-übergreifende Effekte abbilden.

Was verstehst Du unter einem „wissenschaftsbasierten“ Ansatz?

Bei Quoniam bedeutet ein wissenschaftsbasierter Ansatz, dass jedem Signal eine gut durchdachte Idee zugrunde liegen muss und diese auch einer strengen empirischen Bewertung standhalten muss.

  1. Klare Hypothese. Wir gehen von einem wirtschaftlich plausiblen Grundgedanken aus – zum Beispiel, dass die Aktienmärkte schneller auf bestimmte Informationen reagieren als die Märkte für Unternehmensanleihen, wodurch ein Verzögerungseffekt entsteht, den wir nutzen können. 
  2. Zuverlässige Daten. Bevor Daten in unsere Analysen einfließen, werden sie einer umfassenden Qualitätssicherung unterzogen. Rohdaten werden dabei geprüft, bereinigt und normalisiert, bevor sie weiterverwendet werden können. 
  3. Robustheit und Implementierbarkeit. Ein Effekt sollte über verschiedene Marktsegmente hinweg stabil bleiben – etwa über Regionen, Ratingklassen oder unter unterschiedlichen Liquiditätsbedingungen. Zudem prüfen wir, ob der Effekt auch nach Transaktionskosten attraktiv bleibt und ob er innerhalb realistischer, risikokontrollierter Portfolios umsetzbar ist. 
  4. Peer Challenge. Zwischenergebnisse werden immer wieder einer breiten Gruppe aus Researchern und Portfoliomanagern vorgelegt, die sie kritisch hinterfragen. 
  5. Out-of-sample Tests. Ein Teil der historischen Daten wird als unabhängiger Testdatensatz zurückgehalten. Ein Signal muss auch in diesem „Hold-Out-Set“ nachweisen, dass es die risikobereinigte Rendite verbessert – nicht nur in der ursprünglichen Stichprobe. 
  6. Umsetzung und Paper Trading. Bevor eine neue Iteration unseres Investmentprozesses live geht, bewerten sie Portfoliomanager und Trader über mehrere Monate lang „auf dem Papier“, um sicherzustellen, dass die daraus resultierenden Portfolios unseren Risiko- und Liquiditätsvorgaben entsprechen. 

Was sind Deiner Meinung nach die Hauptvorteile des wissenschaftsbasierten, modellgestützten Investierens?

Unser Ansatz bietet drei wesentliche Vorteile gegenüber traditionellen Ansätzen:

  • Konsistente, objektive Entscheidungen. Systematische Modelle wenden täglich dieselben Regeln an und eliminieren so emotionale Einflüsse, Ermüdungseffekte oder Stilabweichungen, die bei diskretionären Prozessen auftreten können.
  • Tiefgreifende und umfangreiche datengetriebene Erkenntnisse. Wir verarbeiten Terabytes an Fundamental-, Markt- und Alternativdaten, um feine, stabile Muster zu identifizieren, die menschlichen Analysten verborgen bleiben würden. Dieser skalierbare Ansatz ermöglicht es uns, tausende von Wertpapieren mit gleichbleibender Disziplin abzudecken.
  • Transparenz und strenge Risikokontrolle. Unser Faktor-Ansatz ermöglicht es uns, Investmentergebnisse präzise analysieren und erklären zu können. Gleichzeitig steuern wir Portfoliorisiken effektiv, indem wir das Risiko über eine breite Palette von Faktoren diversifizieren und aufkommende Risiken durch regelmäßige Portfoliooptimierungen kontrollieren.

Welchen Fragen gehen die Quoniam-Researcher in der Regel nach?

Unser Research umfasst den gesamten Investmentprozess. Dabei identifiziert unser Research-Team fortlaufend neue Datenquellen, die unsere Modelle bereichern können. Wir untersuchen, welche Faktoren zur Alpha-Generierung oder zur Diversifikation beitragen, und analysieren, wie sich diese im Zeitverlauf optimal kombinieren lassen. Parallel dazu verfeinern wir kontinuierlich unsere Methoden der Portfoliokonstruktion und entwickeln unsere technologische Plattform weiter, mit der wir Hypothesen effizient testen und operativ umsetzen können.

Wir agieren nicht aus kurzfristigen Impulsen heraus und folgen keinen Modetrends. Jede potenzielle Weiterentwicklung durchläuft einen strukturierten Research-Prozess, der auf fundierter Analyse und belastbarer Evidenz beruht. So stellen wir sicher, dass unser Alpha-Modell auch unter veränderten Marktbedingungen leistungsfähig und stabil bleibt.

Welche Menschen stehen hinter Quoniams Research? 

Unser Research-Team vereint Expertinnen und Experten mit akademischem Hintergrund in Mathematik, Physik, Ingenieurwissenschaften und Computerlinguistik mit Fachleuten aus Finanz- und Wirtschaftswissenschaften. Diese Interdisziplinarität ist bewusst gewählt, denn sie bringt unterschiedliche Denkweisen zusammen und schafft Raum für innovative Perspektiven. Der Austausch zwischen Disziplinen ist dabei kein Zufall, sondern integraler Bestandteil unseres Prozesses: Portfoliomanager hinterfragen neue Ansätze, testen Prototypen und bringen ihre praktische Erfahrung aktiv in die Entwicklung ein. Darüber hinaus pflegen wir enge akademische Partnerschaften – etwa durch unser Quoniam Doctoral Programme und regelmäßige Research Seminare. Diese Formate ermöglichen einen wechselseitigen Wissensfluss zwischen theoretischer Forschung und praktischer Anwendung. Dieser Dialog schärft nicht nur Modelle und neue Ideen, sondern sorgt auch für ein fruchtbares Umfeld zur Förderung junger Talente. 

DAS KÖNNTE SIE AUCH INTERESSIEREN
Interview
Juli 2025
Nachrichten dekonstruieren: Wie KI Anlegern tiefere Einblicke in die Zentralbankkommunikation verschafft

In ihrem neuesten Paper Breaking (up) news: Wie aktuelle und zukünftige Informationen die Dynamik von US-Staatsanleihen beeinflussen kommen Dr. Maximilian Stroh, CFA, Head of Research, und Dr. Matthias Apel, Portfolio Management Multi-Asset, zu dem Schluss, dass die systematische Analyse der zukunftsgerichteten Komponente von Zentralbanknachrichten einen spürbaren Prognosewert hat. In diesem Interview gewähren wir einen Blick hinter die Kulissen ihrer Forschung und erläutern, wie sie Large Language Models (LLMs) einsetzen, um zuverlässige Ergebnisse zu erzielen. 

Interview
Juli 2025
Wie smarte Faktoren die Performance optimieren

In diesem Interview erklärt Carsten Rother, Co-Head of Research Forecasts, wie Smart Factors funktionieren und wie sie sich von den einfacheren, oft eindimensionalen Faktorendefinitionen unterscheiden, die von vielen anderen Ansätzen verwendet werden.

Video
Mai 2025
A better way of systematic investing Part 2: Quoniam’s Differentiated Strategy

Explore systematic investing with Carsten Rother, Co-Head of Research Forecasts. Learn how Quoniam’s approach takes innovation to the next level using factors, machine learning, and dynamic ratings — bridging academic theory and real-world application.