II

Inhaltsverzeichnis

1  Einleitung  1

2  Definition von Algorithmic Trading  2

3  Prozesse des Algorithmic Tradings  3

3.1  Buy-Side  3

3.2  Sell-Side  4

4  Buy-Side Algorithmic Trading  6

4.1  Technische Umsetzung  6

4.2  Prozesse innerhalb des Buy-Side Algorithmic Tradings  7

4.3  Handelsstrategien  8

4.3.1  Technische Analyse  8

4.3.2  Fundamentale Analyse  9

4.3.3  Statistische Arbitrage  10

4.4  Zusammenfassung  10

5  Sell-Side Algorithmic Trading  10

5.1  Orderformulierung  11

5.1.1  Benchmarkbestimmug  11

5.1.2  Auswahl des Ordertyps  12

5.2  Orderweiterleitung  12

5.2.1  Handelsstrategien  13

5.2.1.1  Benchmark nahe Strategien  13

5.1.1.2  liquiditätssuchende Strategien  14

5.2.2  Automatische Weiterleitung  14

6  Nutzen vs. Probleme  15

6.1  Nutzen  15

6.2  Nachteile  16

6.3  Auswirkungen auf Volatilität und Liquidität  17

III

7  Fazit  19

Literaturverzeichnis   21

Internetverzeichnis   23

1 Einleitung

Die Anleger trauten ihren Augen nicht als sie am 6. Mai 2010 dabei zusehen mussten wie der Dow Jones innerhalb von fünf Minuten um 573 Punkte einbrach um sich kurz darauf wieder vollständig zu erholen. Experten waren sich nach diesem sogenannten Flashcrash einig: Schuldig für diesen Kurseinbruch waren vollautomatisierte Verkaufsprogramme. ¹ Schon länger warnen sie, dass der computergesteuerte Börsenhandel (Al-gorithmic Trading) erhebliche Gefahren für die Stabilität der Börsen und womöglich auch für das weltweite Finanzsystem birgt. Bereits 1987 als der Dow Jones an einem Montag um 23% einbrach, machten viele Händler und Finanzprofis die zunehmende Automatisierung des Wertpapierhandels dafür verantwortlich. ² Damals wie auch heute konnte nicht endgültig geklärt werden wer oder was den Kurseinbruch tatsächlich ausgelöst hat. ³ Unumstritten ist jedoch, dass das Algorithmic Trading, also im weitesten Sinne die Automatisierung von Handelsprozessen, einen bedeutenden Einfluss auf die Börsen und den weltweiten Wertpapierhandel hat. Laut der Deutschen Börse macht der automatisierte Wertpapierhandel mittlerweile 45% am Gesamtumsatz der Xetra aus. ⁴ Eine durchaus beträchtliche Zahl, die die Frage aufkommen lässt was Algorithmic Trading überhaupt ist und welche Auswirkungen der Computerhandel auf die Marktteilnehmer und den Markt an sich hat.

Ziel dieser Arbeit ist es Antworten auf diese Frage zu finden. Birgt das Algorithmic Trading tatsächlich so viele Gefahren, dass wir uns um das gesamte Finanzsystem sorgen machen müssen oder überwiegen sogar die Vorteile? Spielt der Mensch an den Börsen bald gar keine Rolle mehr und wird durch Computersysteme ersetzt? Um diese Fragen zu beantworten soll im zweiten Kapitel gezeigt werden was man generell unter Algorithmic Trading versteht, wie dieses wissenschaftlich definiert wie sich die Begriffe High Frequency Trading und Flash Trading einordnen lassen. Anschließend wird das Algorithmic Trading in Kapitel 3 in Buy-Side Algorithmic Trading und Sell-Side Algorithmic Trading differenziert. In den folgenden zwei Kapiteln werden die beiden Teilprozesse näher vor allem in Hinblick auf die verschiedenen Hanelsstrategien beschrieben. In Kapitel 6 erfolgt der Vergleich zwischen den Vor- und Nachteilen des Algorithmic Tradings. Dabei wird gesondert auf die Auswirkungen des

¹ Vgl. Beecken/Speicher-Utsch (2010), S. 168.

² Vgl. Samulat (2008), (s. Internetverzeichnis).

³ Vgl. Niklowitz (2010), S. 40.

⁴ Vgl. Finanztreff (2011), (s. Internetverzeichnis).

Cmputerhandels auf Volatilität und Liquidität eingegangen, woraufhin im letzten Kapitel ein Fazit gezogen und ein Ausblick gegeben werden kann.

2 Definition von Algorithmic Trading

In der Presse und vor allem in Finanzzeitschriften liest man immer öfter von Algorithmic Trading oder algorithmischen Handel. Doch was ist Algorithmic Trading überhaupt? Selbst in der Fachliteratur ist diese Frage noch nicht hinreichend geklärt. Im weitesten Sinne beschreiben Gomber, Gsell und Groth den Begriff Algorithmic Trading als „die Verlagerung der Aufgaben menschlicher Händler auf den Computer.“ ⁵ In einer engeren Definition schreibt Gsell, dass Algorithmic Trading die Aufteilung einer großen Order in mehrere kleine Orders und das Timing der anschließenden Orderausführung darstellt. ⁶ Die Deutsche Börse definiert Algorithmic Trading wiederum eher als eine automatisierte Handelsstrategie um Kauf- und Verkaufsaufträge generieren zu können. Die Handelstragie basiert dabei auf vorher festgelegten Algorithmen, welche anhand mathematischer Formeln definiert werden. ⁷ Man kann sehen, dass sich die vorliegenden Definitionen auf zwei verschiedene Prozesse beziehen; zum einen auf die Orderausführung, bei der ein Computersystem den Händler dabei unterstützt eine Order möglichst effizient an der Börse zu platzieren und zum anderen auf die Ordererzeugung, bei der ein Computer dem Händler anhand der Analyse fundamentaler oder charttechnischer Daten Kauf- oder Verkaufsentscheidungen abnimmt. Um das Gebiet des automatisierten Wertpapierhandels bestmöglich abzudecken wird im Folgenden auf beide Teilprozesse eingegangen.

In der Presse und anderen Medien wird der Begriff „Algorithmic Trading“ oft mit Begriffen wie Hochfrequenzhandel (High Frequency Trading) oder Blitzhandel (Flash Trading) gleichgesetzt. Aus wissenschaftlicher Sicht unterscheiden sich diese Begriffe jedoch signifikant und können nicht kongruent zueinander benutzt werden. Grundlegend kann man sagen, dass der Hochfrequenz- und der Blitzhandel Teilgebiete des Algorithmic Tradings sind. Wie eben festgestellt beschreibt das Algorithmic Trading all jene Prozesse, die sich entweder auf die computergesteuerte Ordererzeugung oder Orderausführung beziehen. Das High Frequency Trading ist eine Unterkategorie des

⁵ Gomber/Groth/Gsell (2009), S. 11.

⁶ Vgl. Gsell (2010), S. 83.

⁷ Vgl. Deutsche Börse AG (2009), S. 239.

Algorithmic Tradings und beschreibt den Prozess, bei dem ein Computer mit Hilfe verschiedener Strategien versucht innerhalb von Sekunden oder sogar Millisekunden Kursgewinne zu erzielen. ⁸ Der Unterschied zum eher allgemeiner gefassten Algorithmic Trading ist demnach vor allem temporärer Natur. Das Flash Trading ist wiederum ein Teilgebiet des High Frequency Trading und beschreibt den Prozess, dass ein Marktteilnehmer wichtige Informationen Millisekunden vor anderen Marktteilnehmern auf-grund extrem schneller Computer erhält und gleichzeitig auswerten kann, wodurch er innerhalb dieser Millisekunden versucht einen Kursgewinn zu erzielen.

3 Prozesse des Algorithmic Tradings

Das Algorithmic Trading lässt sich hinsichtlich seiner Funktionsweisen in zwei verschiedene Formen unterscheiden. Zum einen in das Agency Trading, bei dem ein Broker im Auftrag des Kunden eine vorgegebene Wertpapierorder mit Hilfe von Algorithmic Trading Systemen möglichst effizient ausführt. Zum anderen in das Proprietary Trading, bei dem der Händler aus Eigeninteresse mit automatisierten Handelsstrategien zur Mustererkennung handelt, welche ihm dann Kauf- und Verkaufssignale vorgeben. ⁹ Die Unterteilung in diese beiden Funktionsweisen deckt sich mit der Erkenntnis im vorangegangen Kapitel, dass sich in der Fachliteratur zwei verschiedene Definitions-formen finden lassen. Auf dem Gebiet des Computerhandels nennt man den Prozess der Ordererzeugung, der grundsätzlich durch das Proprietary Trading geprägt ist, auch als Buy-Side Algorithmic Trading. Der Prozess der Orderausführung, der durch das Agency Trading geprägt ist, wird auch Sell-Side Algorithmic Trading genannt. Die Begriffe Buy-Side und Sell-Side stammen aus der allgemeinen Unterteilung des gesamten Anlageprozess in diese beiden Teilprozesse, welche im Folgenden charakterisiert werden sollen.

3.1 Buy-Side

Generell kann man sagen, dass Finanzinstitute der Buy-Side Wertpapiere niedrig kaufen und teuer verkaufen wollen. Die Buy-Side stellt die Phase des Wertpapierorderprozess dar, bei der es um die reine Generierung der Order und nicht um die Ausführung

⁸ Vgl. Highfrequencytradingreview (2010), (s. Internetverzeichnis).

⁹ Vgl. Storkenmaier/Müller/Weinhard (2010), S. 371.

dieser an der Börse geht. Algorithmic Trading auf der Buy-Side dient demnach der Entscheidungsunterstützung und der Umsetzung einer festgelegten Handelsstrategie. Dazu werden Programme auf algorithmischer Basis benutzt, deren Aufgabe es ist historische Daten zu analysieren um verschiedene Muster aufzuzeigen. ¹⁰ Dieser Muster sollen mit Hilfe charttechnischer oder fundamentaler Analysemethoden gefunden werden. Die gefundenen Muster gleicht die Software dann mit Echtzeitdaten ab und erstellt sobald Übereinstimmungen gefunden wurden Kauf- und Verkaufssignale. Buy-Side Programme haben das Ziel eine Outperformance gegenüber einer bestimmten Benchmark in einem bestimmten Zeitraum zu erzielen. Die Buy-Side Software unterstützt den Anleger demnach bei der Auswahl der „richtigen“ Wertpapiertitel. Auf der Buy-Side findet man vorwiegend Hedge Fonds, Fonds Gesellschaften und andere institutionellen Anleger.

3.2 Sell-Side

Sell-Side Anbieter verstehen sich als Dienstleister für die Finanzinstitute der Buy-Side. Chronologisch gesehen hat sich der Investor zum jetzigen Zeitpunkt entschieden welche Wertpapiere er zu welchem Volumen kaufen oder verkaufen will. Nun stellt sich die Frage wie er dieses Vorhaben möglichst effizient und preisgünstig in eine Order umsetzt. Natürlich könnte er seinen Wertpapierauftrag so wie er ist an der Börse platzieren. Da institutionelle Investoren in der Regel jedoch mit verhältnismäßig sehr großen Summen handeln, würde das negative Auswirkungen auf die Transaktionskosten, insbesondere den Market Impact haben. Der Market Impact ist Teil der Transaktionskosten und beschreibt die Auswirkung einer beabsichtigten Order auf den Preis eines Finanztitels. ¹¹ Beabsichtigt beispielsweise ein Finanzinvestor eine große Summe eines bestimmten Wertpapiers zu kaufen, ist es sehr wahrscheinlich, dass der Preis dieses Titels steigen wird, sobald er seine Order den anderen Marktteilnehmern offenlegt. Andersherum würde der Preis fallen wenn den Marktteilnehmern ein hohes Verkaufsvolumen offengelegt wird. ¹² Um hohe Market Impact Kosten zu vermeiden unterstützen Sell-Side Anbieter die Investoren bei der Abwicklung ihrer Transaktionen. ¹³ Sie versuchen mit verschiedenen Methoden und Strategien eine Order möglichst preisgüns-

¹⁰ Vgl.Gomolka (2011), S. 14.

¹¹ Vgl. Almgreen/Chriss (2000), S. 8.

¹² Vgl. Gsell (2010), S. 52.

¹³ Vgl. Gomolka (2011), S. 11.