Grundlagen des algorithmischen Handels: Konzepte und Beispiele
Algorithmischer Handel (auch automatisierter Handel, Black-Box-Handel oder Algo-Trading genannt) verwendet ein Computerprogramm, das einem definierten Satz von Anweisungen (einem Algorithmus) folgt, um einen Handel zu platzieren. Der Handel kann theoretisch Gewinne mit einer Geschwindigkeit und Häufigkeit erzielen, die für einen menschlichen Händler unmöglich ist.
Die definierten Anweisungen basieren auf Timing, Preis, Menge oder einem beliebigen mathematischen Modell. Abgesehen von Gewinnmöglichkeiten für den Händler macht Algo-Trading die Märkte liquider und den Handel systematischer, indem der Einfluss menschlicher Emotionen auf die Handelsaktivitäten ausgeschlossen wird.
Algorithmischer Handel in der Praxis
Angenommen, ein Händler folgt diesen einfachen Handelskriterien:
- Kaufen Sie 50 Aktien einer Aktie, wenn ihr gleitender 50-Tage- Durchschnitt über dem gleitenden 200-Tage-Durchschnitt liegt. (Ein gleitender Durchschnitt ist ein Durchschnitt vergangener Datenpunkte, der die täglichen Kursschwankungen glättet und dadurch Trends identifiziert.)
- Verkaufen Sie Aktien der Aktie, wenn ihr gleitender 50-Tage-Durchschnitt unter den gleitenden 200-Tage-Durchschnitt fällt.
Mit diesen beiden einfachen Anweisungen überwacht ein Computerprogramm automatisch den Aktienkurs (und die Indikatoren für den gleitenden Durchschnitt) und platziert die Kauf- und Verkaufsaufträge, wenn die definierten Bedingungen erfüllt sind. Der Händler muss nicht mehr Live-Preise und Grafiken überwachen oder die Aufträge manuell eingeben. Das algorithmische Handelssystem tut dies automatisch, indem es die Handelsmöglichkeit korrekt identifiziert.
2:01
Vorteile des algorithmischen Handels
Algo-Trading bietet die folgenden Vorteile:
- Trades werden zu den bestmöglichen Preisen ausgeführt.
- Die Platzierung von Handelsaufträgen erfolgt sofort und genau (es besteht eine hohe Wahrscheinlichkeit der Ausführung auf den gewünschten Ebenen).
- Trades werden korrekt und sofort getimt, um signifikante Preisänderungen zu vermeiden.
- Reduzierte Transaktionskosten.
- Gleichzeitige automatisierte Prüfungen auf mehrere Marktbedingungen.
- Reduziertes Risiko von manuellen Fehlern beim Platzieren von Trades.
- Algo-Trading kann mit verfügbaren historischen und Echtzeitdaten rückgetestet werden, um festzustellen, ob es sich um eine praktikable Handelsstrategie handelt.
- Reduzierte die Möglichkeit von Fehlern durch menschliche Händler aufgrund emotionaler und psychologischer Faktoren.
Der Großteil des Algo-Tradings ist heute der Hochfrequenzhandel (HFT), der versucht, eine große Anzahl von Orders mit hoher Geschwindigkeit über mehrere Märkte und mehrere Entscheidungsparameter basierend auf vorprogrammierten Anweisungen zu platzieren.
Algo-Trading wird in vielen Formen von Handels- und Anlageaktivitäten eingesetzt, darunter:
- Mittel- bis langfristige Anleger oder Unternehmen auf der Käuferseite – Pensionsfonds, Investmentfonds, Versicherungsunternehmen – nutzen den Algo-Handel, um Aktien in großen Mengen zu kaufen, wenn sie die Aktienkurse nicht mit diskreten, großvolumigen Anlagen beeinflussen möchten.
- Kurzfristige Trader und Sell-Side-Teilnehmer – Market Maker (wie Brokerhäuser), Spekulanten und Arbitrageure – profitieren von der automatisierten Handelsausführung; Darüber hinaus trägt Algo-Trading dazu bei, genügend Liquidität für Verkäufer am Markt zu schaffen.
- Systematische Trader – Trendfolger, Hedgefonds oder Pair-Trader (eine marktneutrale Handelsstrategie, die eine Long-Position mit einer Short-Position in einem Paar hochkorrelierter Instrumente wie zwei Aktien, Exchange Traded Funds (ETFs) oder Währungen kombiniert) – finden es viel effizienter, ihre Handelsregeln zu programmieren und das Programm automatisch handeln zu lassen.
Der algorithmische Handel bietet einen systematischeren Ansatz für den aktiven Handel als Methoden, die auf der Intuition oder dem Instinkt des Händlers basieren.
Algorithmische Handelsstrategien
Jede Strategie für den algorithmischen Handel erfordert eine identifizierte Chance, die in Bezug auf verbesserte Erträge oder Kostensenkung profitabel ist. Die folgenden Handelsstrategien werden beim Algo-Trading häufig verwendet:
Trendfolgestrategien
Die gängigsten algorithmischen Handelsstrategien folgen Trends bei gleitenden Durchschnitten, Kanalausbrüchen, Preisniveaubewegungen und verwandten technischen Indikatoren. Dies sind die einfachsten und einfachsten Strategien, die durch algorithmischen Handel zu implementieren sind, da diese Strategien keine Vorhersagen oder Preisprognosen beinhalten. Trades werden basierend auf dem Auftreten wünschenswerter Trends initiiert, die durch Algorithmen einfach und unkompliziert implementiert werden können, ohne in die Komplexität der Vorhersageanalyse einzusteigen. Die Verwendung von gleitenden 50- und 200-Tage-Durchschnitten ist eine beliebte Trendfolgestrategie.
Arbitrage-Möglichkeiten
Der Kauf einer doppelt börsennotierten Aktie zu einem niedrigeren Preis in einem Markt und der gleichzeitige Verkauf zu einem höheren Preis in einem anderen Markt bietet die Preisdifferenz als risikolosen Gewinn oder Arbitrage. Die gleiche Operation kann für Aktien vs. Futures-Instrumente repliziert werden, da von Zeit zu Zeit Preisunterschiede bestehen. Die Implementierung eines Algorithmus zur Identifizierung solcher Preisunterschiede und die effiziente Auftragserteilung ermöglicht profitable Möglichkeiten.
Neugewichtung von Indexfonds
Indexfonds haben definierte Zeiträume für die Neugewichtung, um ihre Bestände mit ihren jeweiligen Benchmark-Indizes auszugleichen. Dies schafft profitable Möglichkeiten für algorithmische Trader, die von erwarteten Trades profitieren, die je nach Anzahl der Aktien im Indexfonds kurz vor der Neugewichtung des Indexfonds 20 bis 80 Basispunkte Gewinne bieten. Solche Trades werden über algorithmische Handelssysteme initiiert, um eine zeitnahe Ausführung und die besten Preise zu erzielen.
Mathematische modellbasierte Strategien
Bewährte mathematische Modelle, wie die deltaneutrale Handelsstrategie, ermöglichen den Handel mit einer Kombination aus Optionen und dem zugrunde liegenden Wertpapier. (Delta neutral ist eine Portfoliostrategie, die aus mehreren Positionen mit gegenläufigen positiven und negativen Deltas besteht – ein Verhältnis, das die Preisänderung eines Vermögenswerts, normalerweise eines marktfähigen Wertpapiers, mit der entsprechenden Preisänderung seines Derivats vergleicht – so dass die Gesamt Delta der betreffenden Vermögenswerte beträgt null.)
Handelsspanne (Mean Reversion)
Die Mean-Reversion Strategie basiert auf dem Konzept, dass die Höchst- und Tiefstpreise eines Vermögenswerts ein vorübergehendes Phänomen sind, die periodisch auf ihren Mittelwert (Durchschnittswert) zurückkehren. Durch die Identifizierung und Definition einer Preisspanne und die Implementierung eines darauf basierenden Algorithmus können Trades automatisch platziert werden, wenn der Preis eines Vermögenswerts in seine definierte Spanne ein- oder ausbricht.
Volumengewichteter Durchschnittspreis (VWAP)
Die volumengewichtete Durchschnittspreisstrategie zerlegt einen großen Auftrag und gibt dynamisch ermittelte kleinere Teile des Auftrags anhand aktienspezifischer historischer Volumenprofile an den Markt frei. Ziel ist es, die Order in der Nähe des volumengewichteten Durchschnittspreises (VWAP) auszuführen.
Zeitgewichteter Durchschnittspreis (TWAP)
Die zeitgewichtete Durchschnittspreisstrategie bricht eine große Order auf und gibt dynamisch bestimmte kleinere Teile der Order an den Markt unter Verwendung von gleichmäßig aufgeteilten Zeitfenstern zwischen einer Start- und Endzeit. Ziel ist es, den Auftrag zwischen Start- und Endzeit nahe am Durchschnittspreis auszuführen und so die Auswirkungen auf den Markt zu minimieren.
Prozentsatz des Volumens (POV)
Bis die Handelsorder vollständig ausgeführt ist, sendet dieser Algorithmus weiterhin Teilaufträge gemäß der definierten Beteiligungsquote und gemäß dem in den Märkten gehandelten Volumen. Die zugehörige „Schrittstrategie“ sendet Aufträge mit einem benutzerdefinierten Prozentsatz des Marktvolumens und erhöht oder verringert diese Beteiligungsquote, wenn der Aktienkurs benutzerdefinierte Niveaus erreicht.
Implementierungsdefizit
Die Implementierungs-Shortfall Strategie zielt darauf ab, die Ausführungskosten einer Order durch Abhandeln des Echtzeitmarktes zu minimieren, wodurch die Kosten der Order eingespart und von den Opportunitätskosten einer verzögerten Ausführung profitiert werden. Die Strategie erhöht die angestrebte Beteiligungsquote, wenn sich der Aktienkurs günstig entwickelt, und verringert sie, wenn sich der Aktienkurs nachteilig entwickelt.
Jenseits der üblichen Handelsalgorithmen
Es gibt einige spezielle Klassen von Algorithmen, die versuchen, „Ereignisse“ auf der anderen Seite zu erkennen. Diese „Sniffing-Algorithmen“ – die beispielsweise von einem Sell-Side-Market Maker verwendet werden – verfügen über die eingebaute Intelligenz, um die Existenz von Algorithmen auf der Käuferseite einer großen Order zu identifizieren. Eine solche Erkennung durch Algorithmen wird dem Market Maker helfen, große Orderchancen zu erkennen und es ihm zu ermöglichen, von der Ausführung der Orders zu einem höheren Preis zu profitieren. Dies wird manchmal als High-Tech-Frontrunning bezeichnet. Im Allgemeinen kann die Praxis des Front-Running je nach den Umständen als illegal angesehen werden und wird von der FINRA (Financial Industry Regulatory Authority) stark reguliert.
Technische Voraussetzungen für den algorithmischen Handel
Die Implementierung des Algorithmus mit einem Computerprogramm ist die letzte Komponente des algorithmischen Handels, begleitet von einem Backtesting (Ausprobieren des Algorithmus in historischen Perioden der vergangenen Börsenperformance, um zu sehen, ob seine Verwendung rentabel gewesen wäre). Die Herausforderung besteht darin, die identifizierte Strategie in einen integrierten computergestützten Prozess umzuwandeln, der Zugriff auf ein Handelskonto für die Auftragserteilung hat. Im Folgenden sind die Anforderungen für den algorithmischen Handel aufgeführt:
- Computer-Programmierkenntnisse zu programmieren, um die erforderliche Handelsstrategie, stellten Programmierer oder vorgefertigte Handelssoftware.
- Netzwerkkonnektivität und Zugriff auf Handelsplattformen zur Auftragserteilung.
- Zugang zu Marktdaten-Feeds, die vom Algorithmus auf Möglichkeiten zur Auftragserteilung überwacht werden.
- Die Fähigkeit und Infrastruktur, das System nach dem Aufbau zu testen, bevor es auf realen Märkten in Betrieb genommen wird.
- Verfügbare historische Daten für Backtesting in Abhängigkeit von der Komplexität der im Algorithmus implementierten Regeln.
Ein Beispiel für algorithmischen Handel
Royal Dutch Shell (RDS) ist an der Amsterdamer Börse (AEX) und der Londoner Börse (LSE) notiert. Wir beginnen mit der Entwicklung eines Algorithmus, um Arbitragemöglichkeiten zu identifizieren. Hier ein paar interessante Beobachtungen:
- AEX wird in Euro gehandelt, während LSE in britischen Pfund gehandelt wird.
- Aufgrund des einstündigen Zeitunterschieds öffnet die AEX eine Stunde früher als die LSE, gefolgt von einem gleichzeitigen Handel beider Börsen für die nächsten Stunden und einem Handel nur an der LSE während der letzten Stunde, wenn die AEX schließt.
Können wir die Möglichkeit des Arbitrage-Handels mit den an diesen beiden Märkten notierten Royal Dutch Shell-Aktien in zwei verschiedenen Währungen prüfen?
Bedarf:
- Ein Computerprogramm, das aktuelle Marktpreise lesen kann.
- Preis-Feeds von LSE und AEX.
- Ein Forex (Devisen) Kurs-Feed für GBP-EUR.
- Bestellfunktion, mit der die Bestellung an den richtigen Umtausch weitergeleitet werden kann.
- Backtesting-Funktion für historische Preis-Feeds.
Das Computerprogramm sollte Folgendes ausführen:
- Lesen Sie den eingehenden Kursfeed der RDS-Aktie von beiden Börsen.
- Konvertieren Sie anhand der verfügbaren Wechselkurse den Preis einer Währung in die andere.
- Wenn eine ausreichend große Preisdifferenz (abzüglich der Maklerkosten) zu einer gewinnbringenden Gelegenheit führt, sollte das Programm die Kauforder an der günstigeren Börse platzieren und die Order an der höherpreisigen Börse verkaufen.
- Werden die Orders wie gewünscht ausgeführt, folgt der Arbitragegewinn.
Simpel und einfach! Die Praxis des algorithmischen Handels ist jedoch nicht so einfach zu pflegen und auszuführen. Denken Sie daran, wenn ein Anleger einen von einem Algo generierten Trade platzieren kann, können dies auch andere Marktteilnehmer. Folglich schwanken die Preise in Milli- und sogar Mikrosekunden. Was passiert im obigen Beispiel, wenn ein Kaufgeschäft ausgeführt wird, das Verkaufsgeschäft jedoch nicht, weil sich die Verkaufspreise ändern, bis die Order auf den Markt kommt? Der Trader bleibt mit einer offenen Position zurück, was die Arbitrage-Strategie wertlos macht.
Es gibt zusätzliche Risiken und Herausforderungen wie Systemausfallrisiken, Netzwerkverbindungsfehler, Zeitverzögerungen zwischen Handelsaufträgen und Ausführung und vor allem unvollkommene Algorithmen. Je komplexer ein Algorithmus ist, desto strengeres Backtesting ist erforderlich, bevor er in die Tat umgesetzt wird.