Die moderne Portfoliotheorie sieht einen zweistufigen Prozess bei der Vermögensallokation vor. Doch die genaue Vorhersage von Renditen und deren effektive Nutzung bleibt eine Herausforderung. Diese Schwierigkeit resultiert aus einer schwachen Verbindung zwischen Prognosegenauigkeit und wirtschaftlichem Wert, ein Thema, das unter Forschern debattiert wird. Während einige Forscher infrage stellen, ob Renditen überhaupt vorhersehbar sind, zielen andere darauf ab, Vorhersagemethoden zu verbessern, unter anderem durch die Übernahme von Techniken aus dem Bereich des maschinellen Lernens. Unsere Studie widmet sich dem Problem, wie Vorhersagbarkeit systematisch für bessere wirtschaftliche Ergebnisse genutzt werden kann, und erkundet dabei verschiedene Anlagestrategien und Vermögenswerte. Indem wir die Vorhersagbarkeit von Renditen direkt mit der Portfoliperformance verknüpfen, hinterfragen wir den etablierten Fokus auf statistische Masse. Unsere Ergebnisse deuten darauf hin, dass selbst geringe Vorhersagbarkeit, strategisch angewendet, erhebliche Performancevorteile bringen kann.