Algorithmic Trading - Fluch oder Segen?


Studienarbeit, 2011

26 Seiten, Note: 1,7


Leseprobe

Inhaltsverzeichnis

1 Einleitung

2 Definition von Algorithmic Trading

3 Prozesse des Algorithmic Tradings
3.1 Buy-Side
3.2 Sell-Side

4 Buy-Side Algorithmic Trading
4.1 Technische Umsetzung
4.2 Prozesse innerhalb des Buy-Side Algorithmic Tradings
4.3 Handelsstrategien
4.3.1 Technische Analyse
4.3.2 Fundamentale Analyse
4.3.3 Statistische Arbitrage
4.4 Zusammenfassung

5 Sell-Side Algorithmic Trading
5.1 Orderformulierung
5.1.1 Benchmarkbestimmug
5.1.2 Auswahl des Ordertyps
5.2 Orderweiterleitung
5.2.1 Handelsstrategien
5.2.1.1 Benchmark nahe Strategien
5.1.1.2 liquiditätssuchende Strategien
5.2.2 Automatische Weiterleitung

6 Nutzen vs. Probleme
6.1 Nutzen
6.2 Nachteile
6.3 Auswirkungen auf Volatilität und Liquidität

7 Fazit

Literaturverzeichnis

Internetverzeichnis

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 (Algorithmic 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 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 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 aufgrund 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 Definitionsformen 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 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 preisgünstig an den Markt zu bringen. Traditionell war es die Aufgabe von menschlichen Tradern für Buy-Side Unternehmen den optimalen Transaktionszeitpunkt, die Orderaufteilung und den Orderpreis zu finden. In der heutigen Zeit ist dies die Aufgabe des Sell-Side Algorithmic Tradings.

Sell-Side Anbieter lassen sich in Dealer und Broker unterteilen, welche sich hinsichtlich ihrer Kundenbeziehung unterscheiden.[14] Dealer verdienen ihr Geld indem sie selber mit dem Wertpapier handeln, welches der Investor kaufen oder verkaufen will. Der Gewinn ergibt sich für ihn demnach aus der Spanne zwischen Kauf- und Verkaufspreis. Tritt ein Investor mit einem Kaufwunsch an einen Sell-Side Dealer heran, wird der Dealer versuchen dieses Wertpapier günstig zu kaufen, um es dann teurer an den Investor verkaufen zu können. Ein Broker hingegen unterstützt seinen Kunden ohne selber in die Transaktion einzugreifen. Er tritt als reiner Vermittler auf und wird in dem genanntem Beispiel versuchen einen oder mehrere Verkäufer für das gewünschte Kaufvolumen zu finden, wofür er bei Gelingen eine vorher festgelegte Kommission kassiert.[15]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: eigene Darstellung

Abbildung 1 soll die Beziehung zwischen der Buy-Side und der Sell-Side nochmals zusammenfasend verdeutlichen.[16] Man kann sehen, dass beide Teilprozesse zusammen eine funktionale Einheit bilden. Die Buy-Side Unternehmen geben die gefundenen Signale an die Sell-Side Anbieter weiter, welche die Order dann möglichst preisgünstig an der Börse platzieren. Eine strikte Trennung dieser beiden Phasen, wie man sie anhand der Abbildung vermuten könnte, kommt in der Realität relativ selten vor. Oft sind die Unternehmen sogar auf der Buy-Side und auf der Sell-Side vertreten, was vor allem bei Großbanken der Fall ist, die im Eigenhandel akiv sind.[17] Diese Unternehmen haben dann entweder für jeweiligen Prozess eine eigene Software oder ein Softwarepaket, welches das gesamte Spektrum an Algorithmic Trading Möglichkeiten abdeckt.

4 Buy-Side Algorithmic Trading

In Kapitel 3 wurde gezeigt, dass der erste Teilprozess des automatisierten Wertpapierhandels das Buy-Side Algorithmic Trading darstellt. Nun stellt sich die Frage wie sich dieser Teilprozess weiter unterteilen lässt, auf welcher technischen Grundlage er basiert und welche Strategien und Methoden sich mit ihm verfolgen lassen. Leider sind diese Fragen im Detail oft schwierig zu beantworten, da die Unternehmen auf der Buy-Side eine gewisse „Geheimhaltungskultur“ pflegen.[18] Denn verständlicher Weise handelt es sich bei den technischen und strategischen Methoden um sensible Daten, die darüber entscheiden ob das Unternehmen am Ende des Geschäftsjahres einen Gewinn oder Verlust ausweist. Dennoch kann man sagen, dass alle algorithmischen Programme auf ein Grundgerüst an Methoden zurückgreifen, die sich zwar im Detail unterscheiden, jedoch auf einer gemeinsamen Basis aufbauen, welche auch aus wissenschaftlicher Sicht beleuchtet werden kann.

4.1 Technische Umsetzung

Aufgrund der eben angesprochenen Geheimhaltungskultur, gibt es kein einheitliches technisches Konzept, sondern viel mehr verschiedene Konzepte, von denen zwei im Folgenden dargestellt werden sollen.

Ein Konzept besteht darin, die verschiedenen Buy-Side Softwaretypen nach ihrem Individualisierungsgrad zu unterscheiden. Dabei gibt es die drei Typen custom built, White Box und Black Box.[19] Custom built Software lässt sich vom Anwender vollständig individualisieren und ist meistens sogar von diesem selbst programmiert. White box Programme stellen ein gewisses Grundgerüst zur Verfügung, wobei die Bestimmung der einzelnen Algorithmen in der Hand des Anwenders liegt. Die günstigste Variante sind Black Box Programme, bei denen das Buy-Side Unternehmen eine unveränderbare Software zur Verfügung gestellt bekommt, bei der die Handelsstrategien bereits im Vorfeld feststehen.

Ein etwas funktionaleres Konzept stammt von Gomolka, der die Algorithmic Trading Programme in drei verschiedene Arten von Software-Agenten unterscheidet.[20] Diese drei Agenten unterscheiden sich hinsichtlich ihres Automatisierungsgrades, da dieser entscheidend dafür ist wie viel Zeit der Informationsauswertungsprozess in Anspruch nimmt und welche Art von Software gebraucht wird um die Auswertung in der jeweils vorgegeben Zeit durchzuführen. Agenten-Typ 1 wertet die vorhandenen Daten aus, generiert Entscheidungsempfehlungen und stellt diese dann dem Investor zur Verfügung, der über die weitere Vorgehensweise entscheiden kann. Agenten-Typ 2 leitet die generierten Signale nicht an den Investor, sondern direkt an die Sell-Side weiter und Agenten-Typ 3 arbeitet nicht nur vollautomatisiert, sondern kann sogar aus seinen Fehlern lernen und sich selbstständig weiterentwickeln.

4.2 Prozesse innerhalb des Buy-Side Algorithmic Tradings

Aus prozessualer Sicht kann man das Buy-Side Algorithmic Trading in Informationsbeschaffung und -bereitstellung und Informationsauswertung unterteilen.[21]

Beim ersten Schritt geht es wie der Name sagt um das Sammeln und anschließende Aufbereiten von relevanten Informationen.[22] Dabei unterscheidet man zwischen endogenen und exogenen Informationen.[23] Endogene Informationen sind solche Informationen, die sich aus den Orderbüchern ablesen lassen. Dieses umfasst Informationen über die einzelnen Gebote (Preis, Volumen, Zeitpunkt, etc.) und die abgeschlossenen Transaktionen, womit es demnach die Entwicklung von Angebot und Nachfrage eines bestimmten Wertpapiers wiedergibt.[24] Exogene Informationen lassen sich nicht so leicht eingrenzen, da man darunter all jene Marktdaten versteht die neben den endogenen Informationen wichtig für die Bewertung von Wertpapieren sind (z.B. Konjunkturdaten, Arbeitslosenzahlen, Leitzinsen, etc. Exogene Informationen lassen sich wiederum in historische Marktdaten und Echtzeitdaten unterscheiden.[25]

Nachdem endogene und exogene Daten gesammelt und aufbereitet wurden steht eine Basis zur Verfügung anhand derer die Informationsauswertung erfolgen kann. Die Informationsauswertung unterteilt sich in die Informationsverarbeitung, -bewertung und -lagerung. Der wichtigste dieser drei Teilschritte ist die Informationsbewertung, die dafür zuständig ist die vorhandenen Informationen bezüglich ihrer Nützlichkeit zu unterscheiden.[26] Die nützlichen Informationen werden dann anhand bestimmter Handelsregeln nach Mustern untersucht.

Damit Algorithmic Trading Programme exogene Informationen, die sich meistens in Finanznachrichten verstecken schneller auswerten können, arbeiten die großen Nachrichtenagenturen wie Reuters und Bloomberg seit einigen Jahren an Nachrichtenformaten, die einen codeähnlichen Aufbau haben, womit die Programme diese Nachrichten innerhalb weniger Millisekunden auswerten können.[27]

4.3 Handelsstrategien

Entscheidend für die Bewertung und die Auswahl der anzuwendenden Handelsregeln ist die vom Investor vorgegebene Handelsstrategie. Die Handelsstrategie bestimmt welche Methode zur Informationsbewertung und welche Handelsregeln verwendet werden. Die wichtigsten Handelsstrategien sollen im folgenden Abschnitt dargestellt werden.

4.3.1 Technische Analyse

Die Technische Analyse, auch Chartanalyse genannt, beschreibt Methoden, mit denen sich anhand von historischen Kursentwicklungen Prognosen für die zukünftige Entwicklung eines Wertpapiers erstellen lassen.[28] Genauer gesagt versucht man aus der vergangenen Entwicklung eines Wertpapiers Muster zu entdecken, die man mit Echtzeitdaten abgleicht um so zukünftige Entwicklungen voraussagen zu können. Dabei gibt es verschiedene Methoden mit denen Muster bzw. Regelmäßigkeiten gefunden werden können. Eine Methode ist die tatsächliche Kursentwicklung mit einem oder verschiedenen gleitenden Durchschnitten zu vergleichen um dadurch bestimmte Regelmäßigkeiten entdecken zu können. Eine andere besteht darin aus dem bisherigen Kursverlauf charttechnische Widerstände und Unterstützungen zu identifizieren.[29] Widerstände stellen dabei eine schwer überwindbare Hürde des Kurses nach oben und Widerstände eine solche nach unten dar. Natürlich gibt es noch viele weitere Methoden der Technischen Analyse mit denen sich Kauf- und Verkaufssignale ableiten lassen. Aufgrund des begrenzten Umfangs der vorliegenden Arbeit wird auf diese jedoch nicht weiter eingegangen.

[...]


[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).

[5] Gomber/Groth/Gsell (2009), S. 11.

[6] Vgl. Gsell (2010), S. 83.

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

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

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

[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.

[14] Vgl. Harris (2003), S. 33.

[15] Vgl. ebenda, S. 33.

[16] Die Begriffe VWAP, TWAP, EMS und OMS werden in Kapitel 4 und 5 näher betrachtet.

[17] Vgl. Gomolka (2011), S. 15.

[18] Vgl. ebenda, S. 1.

[19] Vgl. Bates/Palmer (2011), (s. Internetverzeichnis)

[20] Vgl. Gomolka (2011), S. 190 ff

[21] Vgl. ebenda, S. 197.

[22] Vgl. ebenda, S. 198.

[23] Vgl. Gomber (2000), S. 19.

[24] Vgl. ebenda, S. 19.

[25] Vgl. Gsell (2010), S. 79.

[26] Vgl. Gomolka (2011), S. 59.

[27] Vgl. The Economist (2007), (s. Interneterzeichnis).

[28] Vgl. Forman (2006). S. 136.

[29] Vgl. ebenda, S. 138.

Ende der Leseprobe aus 26 Seiten

Details

Titel
Algorithmic Trading - Fluch oder Segen?
Hochschule
Hochschule für Wirtschaft und Recht Berlin
Note
1,7
Autor
Jahr
2011
Seiten
26
Katalognummer
V182911
ISBN (eBook)
9783656069393
ISBN (Buch)
9783656069676
Dateigröße
599 KB
Sprache
Deutsch
Schlagworte
Algo Trading, elektronischer wertpapierhandel, flash trading, high frequency trading, Hochfrequenzhandel, automated trading, automatisierter wertpapierhandel, computerhandel, algorithmic trading
Arbeit zitieren
Nicolas Knecht (Autor), 2011, Algorithmic Trading - Fluch oder Segen?, München, GRIN Verlag, https://www.grin.com/document/182911

Kommentare

  • Noch keine Kommentare.
Im eBook lesen
Titel: Algorithmic Trading - Fluch oder Segen?



Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden