Regulierung des algorithmischen Handels und des Hochfrequenzhandels in MiFID II

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichnis

1 Relevanz und Motivation der Regulierung von Algorithmischem Handel (AT) und Hochfrequenzhandel (HFT)

2 Algorithmischer Handel, Hochfrequenzhandel und Wertpapiermärkte
2.1 Theoretische Einordnung von AT beziehungsweise HFT
2.2 Identifikation von AT im Besonderen HFT
2.3 Auswirkungen auf Wertpapiermärkte
2.3.1 Positive Effekte des AT beziehungsweise HFT auf Wertpapiermärkte
2.3.2 Negative Effekte des AT beziehungsweise HFT auf Wertpapiermärkte
2.3.3 Reflexion der positiven sowie negativen Aspekte des AT/ HFT

3 Auseinandersetzung der MiFID II mit AT und HFT

3.1 Entstehung der MiFID II

3.2 Regulierung algorithmischer Händler und Hochfrequenzhändler unter MiFID II
3.3 Regulierung der Market-Maker im Rahmen des AT/ HFT unter MiFID II
3.4 Regulierung der algorithmischen Handelsplätze unter MiFID II

4 Résumé

Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1: Definition von HFT nach MiFID II

Tabellenverzeichnis

Tabelle 1: Größenordnung des Hochfrequenzhandels auf europäischen Märkten

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Relevanz und Motivation der Regulierung von Algorithmischem Handel (AT) und Hochfrequenzhandel (HFT)

Am 6. Mai 2010 verlor der Dow-Jones-Index zum Großteil innerhalb weniger Minuten 998,5 Punkte vom Eröffnungstand, was einem prozentualen Verlust von 9% entspricht. Dieses Ereignis wurde hinterher als „Flash Crash 2010“ bekannt. Dafür verantwortlich war nur ein einzelner Händler, Navinder Sarao, der tausende E-Mini S&P 500 Aktienindex-Future-Kontrakte computergesteuert mithilfe eines Algorithmus verkaufen wollte. Allerdings hatte Sarao niemals vor, diese Orders auszuführen, sondern bediente sich der Technik des sogenannten „Spoofing“ und „Layering“. Der Dodd-Frank-Act definiert das Stellen von Bid- und Ask-Ordern mit der Absicht, diese vor Ausführung zu stornieren, als illegale Praxis (Dodd-Frank-Act, Subtiltel A, Part II, Sec 747, 5C). Ziel dieser abusiven Technik ist es, von Preissenkungen/-steigerungen des Finanzinstruments, durch günstiges Kaufen beziehungsweise teures Verkaufen zu profitieren. Dabei wird eine Preissenkung durch andere Verkäufer verursacht, die aufgrund des enormen Verkaufsvolumens auch verkaufen wollen. Im Falle Saraos entwickelte sich dadurch eine Abwärtsspirale, die annähernd eine Billionen Dollar auf dem US Aktienmarkt vernichtete (Economic Times, 2017). Schließlich erholten sich die Kurse ebenso schnell wieder. Spoofing steht unter diesem Kontext häufig in Zusammenhang mit Hochfrequenzhandel (HFT), da der Erfolg dieser Strategie hauptsächlich von der Schnelligkeit der Ordersetzung, sowie der Stornierung abhängt. Diese Schnelligkeit liefert in diesem Kontext speziell der Hochfrequenzhandel. So fanden am Beispiel Saraos 19,000 Orderänderungen statt, bevor diese storniert wurden (Bloomberg, 2012).

Dabei verdeutlicht dieser Fall im Besonderen die Notwendigkeit einer Regulierung des Hochfrequenzhandels. Jedoch ist dabei im Auge zu behalten, dass dieser Vorfall eine missbräuchliche Verwendung hochfrequenten Handelns darstellt und keinesfalls allgemeine Effekte des HFT auf Wertpapiermärkte abbildet. Durch Vorfälle wie den Flash-Crash 2010 ergibt sich eine klare Diskrepanz zwischen der öffentlichen Meinung und akademischer Literatur über die Auswirkungen von HFT auf Wertpapiermärkte. Die Literatur ist sich dabei weitgehend über die allgemeinen positiven Effekte des HFT einig (Kirilenko et al., 2011). Auch neuere Ereignisse offenbaren die Größenordnungen und Auswirkungen von Fehlern in HFT. So verlor nur zwei Jahre später die Brokerfirma Knight Capital durch menschliches Versagen innerhalb von 30 Minuten 440 Mio. Dollar (Forbes, 2017). Die Relevanz spiegelt sich dabei ebenso durch einen mittlerweile zunehmenden Anteil des HFT an europäischen Märkten wider (ESMA, 2014).

Die Zielsetzung dieses Aufsatzes besteht zunächst darin, die Begriffe des algorithmischen Handels (AT) beziehungsweise des Hochfrequenzhandels zu definieren und voneinander abzugrenzen. Anschließend wird dargestellt, mithilfe welcher Instrumente eine Identifikation von HFT-Aktivitäten ermöglicht wird. Darauf aufbauend wird das Handelsvolumen an europäischen Märkten durch HFT ermittelt. Ferner sollen die Auswirkungen von HFT sowie des algorithmischen Handelns auf Wertpapiermärkte untersucht werden. Dabei werden sowohl die Nachteile, als auch mögliche Vorzüge beleuchtet. Eine Gegenüberstellung beider Seiten ermöglicht in diesem Rahmen einen vorläufigen Überblick. Des Weiteren wird die Begegnung des Hochfrequenzhandels mit MiFID II im Untersuchungsfokus stehen. Abschließend wird die Handhabung der Risiken, sowie die Erhaltung der Vorzüge hochfrequenten Handelns einer kritischen Analyse unterzogen. Die gewonnenen Ergebnisse werden in einem abschließenden Résumé festgehalten.

2 Algorithmischer Handel, Hochfrequenzhandel und Wertpapiermärkte

Um das Thema dieser Arbeit in den allgemeinen Wertpapierhandel einzuordnen, wird zunächst der Begriff des algorithmischen Handels erläutert. Demzufolge erfolgt eine Abgrenzung zum Hochfrequenzhandel, englisch „High-Frequency-Trading“. Des Weiteren wird erläutert, inwiefern Algorithmischer Handel, englisch „Algorithmic-Trading“ – im besonderen HFT – am Markt identifiziert werden kann und in welchen Größenordnungen dieser am Markt vorzufinden ist. Abschließend werden etwaige Vorzüge und Risiken aufgezeigt und diskutiert.

2.1 Theoretische Einordnung von AT beziehungsweise HFT

Bisher existieren keine einheitlichen wissenschaftlich anerkannten Definitionen für AT und HFT. Es wird daher auf das Deutsche Wertpapierhandelsgesetz (§33, Abs. 1a WpHG) zurückgegriffen, wonach sich Algorithmischer Handel wie folgt definiert:

„[…] in der Weise Handel mit Finanzinstrumenten betreibt, dass ein Computeralgorithmus die einzelnen Auftragsparameter automatisch bestimmt, ohne dass es sich um ein System handelt, das nur zur Weiterleitung von Aufträgen zu einem oder mehreren Handelsplätzen oder zur Bestätigung von Aufträgen verwendet wird […].“

Diese Festlegung deckt sich weitestgehend mit der Definition aus MiFID II, welche um den Zusatz der minimalen oder fehlenden menschlichen Intervention erweitert wird. HFT ist als Subkategorie des algorithmischen Handelns anzusehen. Nach MiFID II (2014) muss ein Handel drei Kriterien erfüllen, um als HFT eingeordnet zu werden. Diese drei Voraussetzungen sind unter Abbildung 1 aufgeführt.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Definition von HFT nach MiFID II (Quelle: Eigene Darstellung)

Das erste Merkmal eines HFT sellt eine latzenzminimierende Infrastruktur dar. Eine Infrastruktur gilt laut BaFin als latzenzminimierend, wenn eine Co-Location, Proximity-Hosting oder ein direkter elektronischer Hochgeschwindigkeitszugang vorliegt. Eine Co-Location wird genutzt, sobald sich die Computersysteme eines Marktteilnehmers in unmittelbarer räumlicher Nähe zu denen eines Handelsplatzes (Matching-Maschine) befinden. Proximity-Hosting lässt sich ähnlich wie Co-Location als Bereitstellung einer unmittelbaren räumlichen Nähe zur Matching-Maschine definieren, allerdings durch Dritte. Von einem direkten elektronischen Hochgeschwindigkeitszugang ist die Rede, falls eine Verbindung in Sekundenbruchteilen eine Übermittlung von Mitteilungen, inklusive Einleitung, Änderung oder Löschen von Orders zulässt. Nach aktuellem Wissensstand sind für eine latzendminimierende Infrastruktur besonders die Distanz vom Marktteilnehmer zur Matching-Maschine, sowie die Bandbreite und damit die mögliche Datenmenge pro Sekunde des Marktteilnehmers entscheidend (BaFin, 2012). Die zweite Eigenschaft um einen Handel als HFT zu klassifizieren, besteht in der Abwesenheit menschlicher Intervention während des Handelsprozesses. So erfolgt für jeden Trade beziehungsweise jede Order die Einleitung, Erstellung, Weiterleitung und Ausführung von Orders ohne menschlichen Eingriff (MiFID II, Nr. 62). Als letztes Kriterium wird ein hohes untertägiges Mitteilungsaufkommen aufgeführt. Kennzeichen dafür ist eine hohe Anzahl von Vorgängen (Aufträge, Kursofferten oder Stornierungen) innerhalb eines Tages (MiFID II, Artikel 4 Abs. 1 Nr. 40). Dabei gilt ein hohes untertägiges Mitteilungsaufkommen als erreicht, wenn mindestens zwei Mitteilungen pro Sekunde, Handelsplatz und Finanzinstrument vorliegen, oder mindestens vier Mitteilungen pro Sekunde und Handelsplatz in Bezug auf alle Finanzinstrumente anfallen (Delegierte Verordnung 2017/565, Artikel 19 Nr. 1). Abschließend ist noch festzuhalten, dass HFT keine Strategie darstellt, sondern lediglich als Instrument zur Umsetzung einer solchen dient.

2.2 Identifikation von AT im Besonderen HFT

2014 veröffentlichte die „European Securities and Markets Authority“ (ESMA) einen Report, der europaweit 100 Aktien aus 9 Ländern auf Hochfrequenzaktivitäten überprüft. Ein Ziel dabei war vor allem die Lücke an Studien auf europäischen Märkten zu schließen. Eine weitere Besonderheit besteht in der Erkennung von HFT-Aktivitäten. Bisher wurde in den meisten Studien eine HFT-Aktivität entweder durch Identifizierung der Marktteilnehmer – vergleiche Brogaard et al. (2013) – oder ihrer Handels- beziehungsweise Quotierungsmuster – siehe Jovanovi und Menkveld (2016) – festgestellt (ESMA, 2014).

Die vorliegende Studie hingegen bedient sich beider Methoden. So stellt das Primärgeschäft des Marktteilnehmers eine Untergrenze der HFT-Aktivitäten dar. Dabei ist zu beachten, dass mit diesem Maßstab HFT-Aktivitäten anderer Marktteilnehmer nicht als solche erkannt werden und diese Methode somit HFT-Aktivitäten untergewichtet. Um dem entgegenzuwirken wird als weiterer Maßstab die „Order-Lifetime“ eingeführt, die eine Handelsaktivität als HFT-Aktivität einstuft, wenn 10% der schnellsten Order Änderungen und Löschungen in weniger als 100ms stattfinden. Diese Vorgehensweise kann folglich sowohl „Propietrary-Trading“, also das Handeln auf eigene Rechnung, als auch das Ausführen von Kundenordern, sogenanntes „Agent-Trading“, desselben Marktteilnehmers erfassen und damit die HFT-Aktivität überschätzen. Daraus ergibt sich die Obergrenze für HFT-Aktivität. Die Ergebnisse der Studie in Bezug auf Handelsvolumen, sowie die Anzahl der Trades und Orders sind in Tabelle 1 zusammengetragen.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 1: Größenordnung des Hochfrequenzhandels auf europäischen Märkten (Quelle: Eigene Darstellung)

Diese Zahlen spiegeln nicht nur die Relevanz der Thematik wider, sondern offenbaren durch die hohe Differenz in Abhängigkeit der Wahl der Identifizierungsmethode die Wichtigkeit der Methodenbestimmung. Eine Erklärung für den Unterschied liefert die hohe Investmentfirmenanzahl die nach dem Primärgeschäft nicht als HFT deklariert werden, wohl aber nach dem Kriterium der Order-Lifetime (ESMA, 2014).

2.3 Auswirkungen auf Wertpapiermärkte

Bei näherer Betrachtung der Auswirkungen von AT und HFT auf Wertpapiermärkte, ergibt sich ein differenziertes Bild. Zum einen können durch AT und HFT positive Effekte für Märkte und deren Teilnehmer beobachtet werden. Andererseits erlauben derartige Instrumente Marktmanipulationen zum eigenen Vorteil. Im Folgenden wird zunächst auf die Vorteile sowie Nachteile eingegangen. Abschließend erfolgt eine kritische Gegenüberstellung der Effekte.

2.3.1 Positive Effekte des AT beziehungsweise HFT auf Wertpapiermärkte

Nach aktuellem Wissenstand ist sich die Literatur weitgehend einig, dass AT/HFT zu einer Marktqualitätsverbesserung beiträgt, die auch anderen Marktteilnehmern zugutekommt (Gomber et al., 2011). Hendershott et al. (2011) gelang es in einer Studie eine Steigerung der Marktliquidität durch AT-Aktivitäten nachzuweisen. Der Spread dient allgemein als Schätzer für die vorhandene Marktliquidität. Im Rahmen der Studie wird als Maßstab zur Messung der Marktliquidität der sogenannte „Effective-Half-Spread“ verwendet. Dieser spiegelt dabei die entstehenden Transaktionskosten, als Differenz zwischen Transaktionspreis und der vorherigen Mid-Quote (Mittel zwischen Bid und Ask) wider. Ein hoher „effective half spread“ deutet auf einen illiquiden Markt hin, wohingegen ein niedriger Spread auf einen liquiden Markt hinweist. Als in der Studie AT in einem höheren Maß vorlag, führte dies zu einem niedrigeren Effective-Half-Spread, was wiederum eine hohe Marktliquidität nach sich zog. Damit konnte ein positiver Zusammenhang zwischen AT und Marktliquidität nachgewiesen werden. Zu einem ähnlichen Ergebnis gelangte Malinova et al. (2013). In ihrer Studie über die Auswirkungen von HFT auf Retail-Investoren untersuchte das Team den kanadischen Markt bei einer Abnahme der HFT-Aktivitäten um 30%. Auch hier war ein unübersehbarer Anstieg des marktweiten Bid-Ask-Spreads die Folge und damit eine Abnahme der Marktliquidität.

Brograad et al. (2014) wiesen nach, dass durch HFT-Aktivitäten eine Verbesserung des Einpreisens von Informationen, sowie niedrigere Preisfehler auftreten. Der Studie zufolge erhöht HFT die Preiseffizienz. Dies liegt in den „Marketable-Orders“ der HFT begründet, also einer Limit-Buy-Order zu oder über dem Best-Ask, beziehungsweise Limit-Sell-Order zu oder unter dem Best-Bid. Diese handeln in die Richtung von dauerhaften Preisänderungen, sowie in die entgegengesetzte Richtung bei temporären Preisfehlern. Dabei ist der Informationsvorteil ausreichend, um den Bid-Ask-Spread und Transaktionskosten zu überwinden und somit Profite zu erwirtschaften. Hierbei ist zu beachten, dass aufgrund dieses Ordertypus Liquidität nachgefragt statt bereitgestellt wird. Erst durch „Non-Marketable-Orders“ wird Liquidität angeboten. Der Trade-Off dabei ergibt sich durch die auftretenden „Adverse-Selection-Kosten“ (Kosten asymmetrischer Informationsverteilung). Jedoch übertreffen analog die Vorteile des niedrigeren Bid-Ask-Spreads und der erhöhten Liquidität die Adverse-Selection-Kosten. Eine Verbesserung der Marktqualität durch AT und HFT konnte auch von Hasbrouck und Saar (2013) nachgewiesen werden. Deren Studie zufolge hat AT und HFT einen positiven Effekt auf Liquidität und führt zu einer Verringerung der kurzfristigen Volatilität. Ebenso wird die im Limit-Order-Buch angezeigte Markttiefe erhöht, was wiederum zu geringeren Preisschwankungen, sowohl bei Verkäufen, als auch bei Käufen führt. Des Weiteren stellten sie das Bestehenbleiben der marktqualitätssteigernden Effekte auch in Zeiten fallender Preise sowie Marktunsicherheiten fest. Friederich und Payne (2014) analysierten die italienische Börse und stellten bei reduzierten HFT-Aktivitäten eine Abnahme der Markttiefe bei gleichbleibenden Spreads fest.

Letztendlich profitieren auch auf einer aggregierten, volkswirtschaftlichen Ebene Unternehmungen von einer Steigerung der Marktqualität (sinkende Spreads, steigende Liquidität) und den damit verbundenen sinkenden Finanzierungskosten. Ebenfalls können Kundenaufträge durch verbesserte Ausführung der Order einen Anteil an den Vorteilen des HFT haben.

2.3.2 Negative Effekte des AT beziehungsweise HFT auf Wertpapiermärkte

Boehmer et al. (2015) gelangten nach einer Untersuchung von 43 Märkten zu dem Ergebnis, dass AT die durchschnittliche Marktqualität erhöht. Allerdings ging damit eine Steigerung der Volatilität einher. Im Besonderen stellten sie eine Reduzierung der Marktqualität und eine Erhöhung der Volatilität bei kleineren Aktien sowie niedrig gepreisten Aktien fest. Dabei kann der Anstieg der Volatilität nicht auf rasante Preisanpassungen durch das Einpreisen neuer Informationen oder die Präferenz der Liquiditätsbereitsteller für volatile Aktien zurückgeführt werden. Breckenfelder (2013) untersuchte HFT in einem gegenseitigen Wettbewerbsumfeld unter der Prämisse, dass eine HFT-Strategie durch die Strategie eines HFT-Wettbewerbers beeinflusst wird. Der Arbeit zufolge führt ein derartiges Wettbewerbsumfeld zu einer Abnahme der kurzzeitigen Liquidität und einem Anstieg liquiditätsnachfragender HFT, sowie hochfrequentem „Momentum-Trading“, also einer trendfolgenden Strategie.

[...]