Nieuw onderzoek van Harvard toont aan dat AI de meeste beheerders van beleggingsfondsen kan vervangen

Het algoritme in het hoekkantoor: AI overtreft menselijke fondsbeheerders

Decennia lang heeft de beleggingsfondsensector een verleidelijke belofte verkocht: geef uw geld aan een briljante menselijke analist, iemand die twintig jaar lang balansen heeft gelezen, winstoproepen heeft doorgenomen en een bijna intuïtief gevoel voor de marktdynamiek heeft ontwikkeld – en zij zullen beter presteren dan de markt. Die belofte is altijd kwetsbaar geweest. Nu dreigt een baanbrekend onderzoek van de Harvard Business School dit volledig te vernietigen. Onderzoekers ontdekten dat kunstmatige intelligentie 71% van de transacties in beleggingsfondsen met opmerkelijke nauwkeurigheid kan voorspellen, wat een vraag opriep die vijf jaar geleden absurd zou hebben geleken: als een machine kan anticiperen op wat een fondsbeheerder zal doen voordat hij dat doet, waar betalen beleggers dan precies voor?

De gevolgen reiken tot ver buiten Wall Street. Dit is een verhaal over wat er gebeurt als patroonherkenning – de cognitieve kernvaardigheid van elke expert – een handelswaar wordt. En het is een verhaal dat iedere bedrijfsleider, en niet alleen financiële professionals, nu moet begrijpen.

Wat het onderzoek van Harvard feitelijk heeft gevonden

In het onderzoek van Harvard zijn machine learning-modellen getraind op basis van jarenlange historische handelsgegevens, bekendmakingen van fondsen en marktsignalen. De modellen identificeerden niet alleen brede sectortrends; ze voorspelden de specifieke portefeuillebeslissingen van individuele fondsbeheerders – welke aandelen ze zouden kopen, welke ze zouden inkorten, en wanneer. Een voorspellende nauwkeurigheid van 71% in een domein dat zo complex en luidruchtig is als actief portefeuillebeheer is buitengewoon. Voor de context: een model dat het opgooien van munten voorspelt, zou alleen al door toeval 50% van de tijd correct zijn.

Wat de bevinding bijzonder opvallend maakt, is dat ze de onderliggende mechanismen blootlegt van wat veel bestbetaalde fondsbeheerders feitelijk doen. In plaats van echt nieuwe inzichten in te zetten, lijkt een aanzienlijk deel van het actieve management patroongestuurd gedrag te zijn: het reageren op dezelfde winstverrassingen, dezelfde momentumsignalen en dezelfde macro-indicatoren op voorspelbare manieren. De AI hoefde niet te begrijpen waarom een ​​manager een transactie zou doen. Het leerde eenvoudigweg de omstandigheden herkennen waaronder zij dat op betrouwbare wijze deden.

Dit komt overeen met eerder onderzoek. Uit een rapport van S&P Dow Jones Indices uit 2022 blijkt dat over een periode van twintig jaar meer dan 94% van de actieve Amerikaanse large-cap fondsbeheerders ondermaats presteerde dan hun referentie-index. De bevindingen van Harvard voegen een nieuwe laag toe: niet alleen slagen veel actieve managers er niet in de markt te verslaan, hun beslissingen kunnen zo mechanisch zijn dat een algoritme ze kan simuleren – tegen een fractie van de kosten.

Waarom 71% voorspelbaarheid een zakelijk probleem is, en niet alleen een financieel probleem

Financiële professionals zouden in de verleiding kunnen komen om dit als een sectorspecifieke crisis te beschouwen. Ze zouden het mis hebben. Het onderzoek van Harvard is een datapunt in een veel groter patroon: AI-systemen zijn steeds beter in staat om het oordeel van deskundigen te repliceren in elk domein waar beslissingen leerbare regels volgen, zelfs als die regels nergens expliciet zijn opgeschreven.

Bedenk wat actief fondsbeheer en traditioneel bedrijfsbeheer met elkaar gemeen hebben. Bij beide gaat het om het verzamelen van informatie, het identificeren van patronen, het toepassen van heuristieken gevormd door ervaring, en het nemen van beslissingen onder onzekerheid. Als AI het besluitvormingsproces van een fondsbeheerder met een nauwkeurigheid van 71% kan modelleren, kan het op plausibele wijze een aanzienlijk deel van de beslissingen modelleren die worden genomen door operations managers, HR-directeuren, verkoopleiders en bedrijfsanalisten – mensen wier expertise ook is gebaseerd op het herkennen van en reageren op patronen.

“De bedreiging voor kenniswerkers is niet dat AI het menselijk oordeel volledig zal vervangen – het is wel dat AI de delen van het menselijk oordeel zal vervangen die eigenlijk alleen maar het matchen van patronen zijn. En dat blijkt een verrassend groot deel te zijn.”

Dit betekent niet dat menselijke expertise waardeloos wordt. Het betekent dat de aard van waardevolle expertise aan het verschuiven is. De fondsbeheerders die zullen overleven en bloeien, zijn degenen die iets doen dat AI niet gemakkelijk kan repliceren: synthetiseren

Frequently Asked Questions

Can AI really predict mutual fund trades better than experienced human managers?

According to the Harvard Business School study, AI models can predict approximately 71% of mutual fund trades with remarkable accuracy. These systems analyze vast datasets — balance sheets, earnings calls, macroeconomic signals — far faster than any human analyst. While that does not guarantee superior returns in every market condition, it strongly suggests AI holds a measurable, structural edge over traditional fund management in pattern recognition and decision consistency.

What does this mean for everyday investors putting money into actively managed funds?

It raises serious questions about whether the premium fees charged by active fund managers are justified. If AI can replicate and potentially outperform their strategies, investors may be better served by algorithm-driven or passive vehicles. This shift also underscores the importance of using smart business and financial tools to manage your own capital more effectively, rather than relying entirely on human intermediaries whose edge is narrowing.

How can small business owners and entrepreneurs use AI to make smarter financial decisions?

Platforms like Mewayz — a 207-module business operating system available at app.mewayz.com for just $19/month — give entrepreneurs access to AI-powered tools that were once exclusive to large enterprises. Rather than outsourcing financial judgment to expensive advisors, business owners can leverage integrated analytics to monitor cash flow, model scenarios, and make data-backed decisions with the same systematic rigor now disrupting Wall Street's fund management industry.

Are there limitations to what AI can currently do in financial markets?

Yes. AI excels at identifying historical patterns and processing structured data, but it can struggle with unprecedented black swan events, geopolitical shocks, or shifts driven by human psychology that fall outside its training data. Human managers still bring contextual judgment, ethical reasoning, and adaptive thinking during extreme market dislocations. The most likely near-term outcome is a hybrid model, where AI handles analysis while humans retain oversight of high-stakes decisions.

Related Posts

• Deze AI-assistent draait volledig op uw computer zonder maandelijkse kosten
• Waarom merken die nog steeds advertenties draaien verliezen van merken die verhalen vertellen
• Door Trump benoemde rechter Cannon blokkeert het rapport van Jack Smith over de zaak Trump Documents
• De weinig bekende opdrachtregel-sandboxtool van macOS (2025)