Goldman Sachs Trading Desk: Momentum-Handel könnte erst in einigen Wochen seinen Tiefpunkt erreichen, die Erzählung über KI-Investitionsausgaben gerät ins Wanken

AI-Modelle erzielen Spitzenleistungen mit weit geringerem Einsatz von Rechenleistung als vom Markt erwartet und stellen damit erneut die marktübliche Erzählung in Frage, dass „nur durch stetig steigende Kapitalkosten der Wettbewerb um KI gewonnen werden kann“. Der One-Delta-Handelstisch von Goldman Sachs ist der Ansicht, die Anpassungen der Momentum-Strategie sind noch nicht abgeschlossen, aber derzeit besteht kein systemisches Risiko für US-Aktien, und die Marktstruktur bleibt widerstandsfähig.

Rich Privorotsky, Leiter des One-Delta-Handelstischs bei Goldman Sachs, erklärte, dass laut seinem Momentum-Modell die aktuelle Momentum-Korrektur (Momentum) noch einige Wochen vom eigentlichen Tiefpunkt entfernt ist und der endgültige Rückgang wahrscheinlich nahe dem historischen Median liegen wird. Allerdings, da der vorherige Anstieg deutlich steiler war als im historischen Durchschnitt, besteht die Möglichkeit, dass diese Anpassung das historische Mittel übertrifft.

Er weist außerdem darauf hin, dass das Aufkommen der neuen Generation effizienter KI-Modelle jüngst dazu führt, dass die Märkte die Investitionslogik für KI-Infrastruktur neu bewerten. Mit fortlaufender Effizienzsteigerung beim Modelltraining werden immer mehr Zweifel an der Kern-Erzählung laut, dass „fortwährende riesige Investitionen in immer größere Rechencluster“ notwendig seien, wobei die Kapitalkosten für KI nach wie vor die wichtigste Preislinie bei globalen Tech-Aktien darstellen.

Momentum-Trading ist noch nicht vollständig bereinigt, interne Rotation des Marktes hält an

Privorotsky erklärt, dass die von ihm verfolgten Momentum-Indikatoren weiterhin ein relativ hohes Volatilitätsniveau zeigen und derzeit keine Signale vorliegen, die zur Entwarnung führen würden.

Allerdings beginnnen zunehmende Unterschiede innerhalb des Marktes sichtbar zu werden. Einerseits sind einige KI-Hardware-Aktien bereits überverkauft; andererseits zeigen einige bislang schwächelnde Sektoren, ohne wesentliche Verbesserungen der Fundamentaldaten, einen Rebound bei klar erkennbarer Rotation des Kapitals.

Betrachtet man die Indizes, zeigen die US-Aktien insgesamt weiterhin hohe Widerstandskraft. Die Korrelation zwischen den Sektoren bleibt niedrig, der Kapitalfluss geschieht vor allem zwischen Branchen und entwickelt sich nicht zu breit angelegten Verkäufen. Auch wenn zuletzt die implizite Volatilität etwas zugenommen hat, hat sich diese Marktstruktur nicht grundlegend verändert.

Effizienz der KI wächst – Fundament für Kapitalausgaben wird erneut hinterfragt

Privorotsky sagte, nach einem realen Test des Kimi K3-Modells sei er von dessen technischen Fähigkeiten beeindruckt. Das Modell verfügt über 28 Billionen Parameter und benötigt weiterhin unternehmensweite GPU-Cluster zum Self-Hosting, was mit herkömmlichen lokalen Geräten kaum möglich ist.

Er betont, dass nicht die Inferenzphase, sondern die Trainingseffizienz das wirklich Interessante ist.

Im Gegensatz zum reinen Ausbau der Rechenleistung setzen neue Modelle verstärkt auf Algorithmusoptimierungen, innovative Modellarchitekturen und effizientere Routing-Mechanismen in Mixed-Expert-Systemen (MoE), um die Trainingseffizienz zu steigern. Kimi K3 beispielsweise besitzt 896 Expertenmodule, aber es werden bei jeder Inferenz lediglich 16 davon aktiviert, wodurch der Verbrauch von Rechenressourcen drastisch reduziert wird.

Dies regt auch zu einer Neudiskussion an: Wenn Spitzenmodelle durch algorithmische Innovation die Trainingseffizienz erheblich steigern können, benötigt die KI-Branche dann weiterhin den massiven Ausbau und die kapitalintensive Errichtung von Datenzentren und Trainingsclustern?

Privorotsky findet jedoch, dass dies eher die Logik auf der Trainingsseite herausfordert, während der Bedarf nach Rechenleistung auf der Seite der Inferenz weiterhin stark bleibt – der langfristige Bedarf an KI-Infrastruktur wurde dadurch nicht grundsätzlich umgekehrt.

Berichtssaison wird über Fortbestand der KI-Hauptlinie entscheiden

Da die US-Notenbank vor der Sitzung in die Ruheperiode eintritt, richtet sich die kurzfristige Aufmerksamkeit auf makroökonomische Ereignisse wie die Sitzung der Europäischen Zentralbank, die britischen Verbraucherpreise und die vorläufigen PMIs wichtiger Staaten.

Privorotsky meint jedoch, dass die Marktbewegung vor allem von der bevorstehenden Berichtssaison abhängen wird.

Neben Alphabet werden die Ergebnisse von Tesla, Texas Instruments, Intel und das bevorstehende „Advancing AI“-Event von AMD wichtige Indikatoren für den KI-Investitionszyklus sein und weiter prüfen, ob die Marktlogik für KI-Kapitalausgaben im Billionen-Dollar-Bereich weiterhin Akzeptanz findet.