Vier große Risiken des algorithmischen Hochfrequenzhandels
Die algorithmische Handel (oder „algo“ Handel) bezieht sich auf die Verwendung von Computeralgorithmen (im Grunde eine Reihe von Regeln oder Anweisungen an einen Computer eine bestimmte Aufgabe ausführen lassen) für den Handel mit großen Blöcken von Aktien oder anderen Finanzanlagen, während der Auswirkungen auf dem Markt für solche Minimierung Trades. Beim algorithmischen Handel werden Trades anhand definierter Kriterien platziert und diese Trades in kleinere Lose aufgeteilt, damit der Preis der Aktie oder des Vermögenswerts nicht wesentlich beeinflusst wird.
Die Vorteile des algorithmischen Handels liegen auf der Hand: Er gewährleistet die „beste Ausführung“ von Trades, da er das menschliche Element minimiert, und kann verwendet werden, um mehrere Märkte und Vermögenswerte weitaus effizienter zu handeln, als es sich ein Trader aus Fleisch und Knochen erhoffen könnte. (Weitere Informationen finden Sie unter: Grundlagen des algorithmischen Handels: Konzepte und Beispiele ).
Was ist algorithmischer Hochfrequenzhandel?
Der Hochfrequenzhandel (HFT) bringt den algorithmischen Handel auf ein völlig anderes Niveau – stellen Sie sich das als Algo-Handel mit Steroiden vor. Wie der Begriff schon sagt, beinhaltet der Hochfrequenzhandel das Aufgeben von Tausenden von Aufträgen mit unglaublich hoher Geschwindigkeit. Das Ziel ist es, mit jedem Trade winzige Gewinne zu erzielen, häufig indem Preisunterschiede für dieselbe Aktie oder denselben Vermögenswert auf verschiedenen Märkten ausgenutzt werden. HFT ist dem traditionellen langfristigen Buy-and-Hold-Investment diametral entgegengesetzt, da die Arbitrage- und Market-Making-Aktivitäten von HFT in der Regel innerhalb eines sehr kleinen Zeitfensters stattfinden, bevor die Preisunterschiede oder Inkongruenzen verschwinden.
Algorithmischer Handel und HFT sind aufgrund der Konvergenz mehrerer Faktoren zu einem integralen Bestandteil der Finanzmärkte geworden. Dazu gehören die wachsende Rolle der Technologie in den heutigen Märkten, die zunehmende Komplexität von Finanzinstrumenten und -produkten sowie das unaufhörliche Bestreben nach mehr Effizienz bei der Handelsabwicklung und niedrigeren Transaktionskosten. Während algorithmischer Handel und HFT wohl die Marktliquidität und die Konsistenz der Vermögenspreise verbessert haben, hat ihre zunehmende Verwendung auch zu bestimmten Risiken geführt, die nicht ignoriert werden können, wie nachstehend erläutert.
Das größte Risiko: Verstärkung des Systemrisikos
Eines der größten Risiken der algorithmischen HFT ist das, das sie für das Finanzsystem darstellt. In einem Bericht des Technischen Komitees der Internationalen Organisation der Wertpapierkommissionen (IOSCO) vom Juli 2011 wurde festgestellt, dass Algorithmen, die marktübergreifend arbeiten, aufgrund der starken Verknüpfungen zwischen Finanzmärkten wie in den USA Schocks schnell von einem Markt zum nächsten übertragen können Dies erhöht das systemische Risiko. Der Bericht wies auf den Flash Crash vom Mai 2010 als Paradebeispiel für dieses Risiko hin.
Der Flash Crash bezieht sich auf den Einbruch und die Erholung der wichtigsten US-Aktienindizes um 5% bis 6% innerhalb weniger Minuten am Nachmittag des 6. Mai 2010. Der Dow Jones stürzte im Tagesverlauf um fast 1.000 Punkte Die Zeit war der größte Punktverlust seit Bestehen. Wie der IOSCO-Bericht feststellt, gingen zahlreiche Aktien und Exchange Traded Funds ( ETFs ) an diesem Tag durcheinander und fielen um 5% bis 15%, bevor sie den größten Teil ihrer Verluste wieder wettmachten. Über 20.000 Geschäfte mit 300 Wertpapieren wurden nur wenige Augenblicke zuvor zu Preisen getätigt, die bis zu 60% von ihren Werten entfernt waren. Einige Geschäfte wurden zu absurden Preisen von nur einem Cent oder bis zu 100.000 US-Dollar ausgeführt. Diese ungewöhnlich unberechenbare Handelsaktion erschütterte die Anleger, insbesondere weil sie etwas mehr als ein Jahr nach dem Aufschwung der Märkte von ihren größten Rückgängen seit mehr als sechs Jahrzehnten stattfand.
Hat „Spoofing“ zum Flash-Absturz beigetragen?
Was hat dieses bizarre Verhalten verursacht? In einem gemeinsamen Bericht, der im September 2010 veröffentlicht wurde, haben die SEC und die Commodity Futures Trading Commission einem einzelnen Händler eines in Kansas ansässigen Investmentfondsunternehmens die Schuld an einem einzigen Programmhandel in Höhe von 4,1 Milliarden US-Dollar gegeben. Im April 2015 beschuldigten die US-Behörden einen in London ansässigen Daytrader, Navinder Singh Sarao, der Marktmanipulation, die zum Absturz beigetragen hatte. Die Anklage führte zu Saraos Verhaftung und einer möglichen Auslieferung an die USA
Sarao hat angeblich eine Taktik namens “ Spoofing “ angewendet, bei der große Mengen gefälschter Aufträge in einen Vermögenswert oder ein Derivat eingebracht werden (Sarao hat am Tag des Flash-Absturzes den E-mini S & P 500-Vertrag verwendet), die storniert werden, bevor sie ausgeführt werden. Wenn solche gefälschten Großaufträge im Auftragsbuch erscheinen, erwecken sie bei anderen Händlern den Eindruck, dass ein größeres Kauf- oder Verkaufsinteresse besteht als in der Realität, was ihre eigenen Handelsentscheidungen beeinflussen könnte.
Beispielsweise kann ein Spoofer anbieten, eine große Anzahl von ABC-Aktien zu einem Preis zu verkaufen, der etwas vom aktuellen Preis abweicht. Wenn andere Verkäufer mitmachen und der Preis sinkt, storniert der Spoofer schnell seine Verkaufsaufträge in ABC und kauft stattdessen die Aktie. Dann gibt der Spoofer eine große Anzahl von Kaufaufträgen ein, um den Preis von ABC zu erhöhen. Und nachdem dies geschehen ist, verkauft der Spoofer seine Bestände an ABC, steckt einen ordentlichen Gewinn ein und storniert die falschen Kaufaufträge. Spülen und wiederholen.
Viele Marktbeobachter waren skeptisch gegenüber der Behauptung, dass ein Händler eines Tages im Alleingang einen Crash hätte verursachen können, der innerhalb von Minuten einen Marktwert von fast einer Billion Dollar für US-Aktien auslöschte. Aber ob Saraos Aktion tatsächlich den Flash Crash verursacht hat, ist ein Thema für einen anderen Tag. Inzwischen gibt es einige triftige Gründe, warum algorithmische HFT systemische Risiken vergrößert.
Warum verstärkt algorithmische HFT das Systemrisiko?
Algorithmische HFT erhöht das systemische Risiko aus einer Reihe von Gründen.
- Intensivierung der Volatilität : Erstens ist der Versuch, die Konkurrenz zu überlisten, ein Merkmal der meisten Algorithmen, da es auf den heutigen Märkten eine große Menge algorithmischer HFT-Aktivitäten gibt. Algorithmen können sofort auf Marktbedingungen reagieren. Infolgedessen können Algorithmen in turbulenten Märkten ihre Bid-Ask-Spreads erheblich erweitern (um nicht gezwungen zu werden, Handelspositionen einzunehmen) oder den Handel vorübergehend ganz einstellen, was die Liquidität verringert und die Volatilität erhöht.
- Welligkeitseffekte : Angesichts des zunehmenden Integrationsgrades zwischen Märkten und Anlageklassen in der Weltwirtschaft wirkt sich ein Zusammenbruch in einem wichtigen Markt oder einer Anlageklasse häufig in einer Kettenreaktion auf andere Märkte und Anlageklassen aus. Zum Beispiel verursachte der US-Immobilienmarktcrash eine globale Rezession und Schuldenkrise, da erhebliche Bestände an US-Subprime-Papieren nicht nur von US-Banken, sondern auch von europäischen und anderen Finanzinstituten gehalten wurden. Ein weiteres Beispiel für solche Welligkeitseffekte sind die nachteiligen Auswirkungen des Börsencrashs in China sowie der Einbruch der Rohölpreise auf globale Aktien von August 2015 bis Januar 2016.
- Unsicherheit : Algorithmic HFT trägt erheblich zu einer übertriebenen Marktvolatilität bei, die kurzfristig die Unsicherheit der Anleger erhöhen und das Verbrauchervertrauen langfristig beeinträchtigen kann. Wenn ein Markt plötzlich zusammenbricht, wundern sich die Anleger über die Gründe für einen solch dramatischen Schritt. Während des Nachrichtenvakuums, das zu solchen Zeiten häufig besteht, werden große Händler (einschließlich HFT-Unternehmen) ihre Handelspositionen reduzieren, um das Risiko zu verringern und die Märkte stärker unter Druck zu setzen. Wenn sich die Märkte nach unten bewegen, werden mehr Stop-Losses aktiviert, und diese negative Rückkopplungsschleife erzeugt eine Abwärtsspirale. Wenn sich aufgrund dieser Aktivitäten ein Bärenmarkt entwickelt, wird das Verbrauchervertrauen durch die Erosion des Börsenvermögens und die Rezessionssignale erschüttert, die von einem großen Zusammenbruch des Marktes ausgehen.
Andere Risiken der algorithmischen HFT
- Fehlerhafte Algorithmen : Die schillernde Geschwindigkeit, mit der der meiste algorithmische HFT-Handel stattfindet, bedeutet, dass ein fehlerhafter oder fehlerhafter Algorithmus in sehr kurzer Zeit Verluste in Millionenhöhe verursachen kann. Ein berüchtigtes Beispiel für den Schaden, den ein fehlerhafter Algorithmus verursachen kann, ist Knight Capital, ein Market Maker, der am 1. August 2012 innerhalb von 45 Minuten 440 Millionen US-Dollar verloren hat. Ein neuer Handelsalgorithmus bei Knight hat in etwa Millionen fehlerhafter Trades getätigt 150 Aktien, die zum höheren „Brief“ -Preis gekauft und sofort zum niedrigeren „Geld“ -Preis verkauft werden. (Beachten Sie, dass Market Maker Aktien von Anlegern zum Geldkurs kaufen und zum Angebotspreis an sie verkaufen, wobei der Spread ihr Handelsgewinn ist. Weitere Informationen finden Sie unter : Die Grundlagen des Geld-Brief -Spreads ). Leider führte die Hypereffizienz der algorithmischen HFT – bei der Algorithmen die Märkte ständig auf diese Art von Preisunterschieden überwachen – dazu, dass konkurrierende Händler das Knight-Dilemma ausnutzten, während die Knight-Mitarbeiter verzweifelt versuchten, die Ursache des Problems zu isolieren. Zu diesem Zeitpunkt war Knight kurz vor dem Bankrott, was schließlich zu seiner Übernahme durch Getco LLC führte.
- Riesige Anlegerverluste: Durch algorithmische HFT verschlechterte Volatilitätsschwankungen können Anleger mit enormen Verlusten belasten. Viele Anleger platzieren routinemäßig Stop-Loss-Orders in ihren Aktienbeständen auf einem Niveau, das 5% von den aktuellen Handelspreisen entfernt ist. Wenn die Märkte ohne ersichtlichen Grund (oder sogar aus einem sehr guten Grund) nachlassen, würden diese Stop-Losses ausgelöst. Um die Verletzung noch schlimmer zu machen, hätten die Anleger unnötigerweise Handelsverluste erlitten und ihre Bestände verloren, wenn sich die Aktien später in kurzer Zeit erholten. Während einige Trades während ungewöhnlicher Anfälle von Marktvolatilität wie dem Flash Crash und dem Knight-Fiasko rückgängig gemacht oder annulliert wurden, waren es die meisten Trades nicht. Zum Beispiel waren die meisten der fast zwei Milliarden Aktien, die während des Flash-Crashs gehandelt wurden, zu Preisen innerhalb von 10% ihres Handelsschlusses um 14.40 Uhr (dem Zeitpunkt, als der Flash-Crash am 6. Mai 2010 begann), und diese Trades blieben bestehen. Nur etwa 20.000 Geschäfte mit insgesamt 5,5 Millionen Aktien, die zu Preisen ausgeführt wurden, die mehr als 60% von ihrem Preis von 14.40 Uhr entfernt waren, wurden anschließend annulliert. Ein Investor mit einem Aktienportfolio von 500.000 US-Dollar aus US-Blue Chips, der während des Flash-Crashs 5% Stop-Loss auf seinen Positionen hatte, würde höchstwahrscheinlich 25.000 US-Dollar verlieren. Am 1. August 2012 stornierte die NYSE den Handel mit sechs Aktien, die stattfanden, als der Knight-Algorithmus Amok lief, weil sie zu Preisen ausgeführt wurden, die 30% über oder unter dem Eröffnungskurs dieses Tages lagen. Die „Offensichtlich fehlerhafte Ausführung“ -Regel der NYSE enthält die numerischen Richtlinien für die Überprüfung solcher Geschäfte. (Siehe: Die Gefahren des Programmhandels ).
- Vertrauensverlust in die Marktintegrität : Anleger handeln an den Finanzmärkten, weil sie volles Vertrauen in ihre Integrität haben. Wiederholte Episoden ungewöhnlicher Marktvolatilität wie der Flash Crash könnten dieses Vertrauen jedoch erschüttern und einige konservative Anleger dazu veranlassen, die Märkte insgesamt aufzugeben. Im Mai 2012 hatte der Börsengang von Facebook zahlreiche Technologieprobleme und verzögerte Bestätigungen, während Nasdaq am 22. August 2013 aufgrund eines Problems mit seiner Software den Handel für drei Stunden einstellte. Im April 2014 mussten fast 20.000 fehlerhafte Geschäfte aufgrund einer Computerfehlfunktion an den beiden US-Optionsbörsen der IntercontinentalExchange Group abgebrochen werden. Eine weitere große Explosion wie der Flash Crash könnte das Vertrauen der Anleger in die Integrität der Märkte erheblich erschüttern.
Maßnahmen zur Bekämpfung von HFT-Risiken
Mit dem Flash Crash and Knight Trading „Knightmare“, der die Risiken algorithmischer HFT hervorhebt, haben Börsen und Regulierungsbehörden Schutzmaßnahmen ergriffen. Im Jahr 2014 führte die Nasdaq OMX Group einen „Kill Switch“ für ihre Mitgliedsunternehmen ein, der den Handel einstellen würde, sobald ein voreingestelltes Risiko-Exposure-Level überschritten wird. Während viele HFT-Firmen bereits „Kill“ -Schalter haben, die unter bestimmten Umständen alle Handelsaktivitäten stoppen können, bietet der Nasdaq-Schalter ein zusätzliches Maß an Sicherheit, um betrügerischen Algorithmen entgegenzuwirken.
Leistungsschalter wurden nach dem “ Schwarzen Montag “ im Oktober 1987 eingeführt und werden verwendet, um die Marktpanik zu unterdrücken, wenn es zu einem großen Ausverkauf kommt. Die SEC genehmigte 2012 überarbeitete Regeln, die es Leistungsschaltern ermöglichen, einzuschalten, wenn der S & P 500-Index vor 15.25 Uhr EST um 7% (gegenüber dem Schlussstand des Vortages) fällt, was den marktweiten Handel für 15 Minuten stoppen würde. Ein Einbruch von 13% vor 15.25 Uhr würde einen weiteren 15-minütigen Stopp des gesamten Marktes auslösen, während ein Einbruch von 20% den Aktienmarkt für den Rest des Tages schließen würde.
Im November 2014 schlug die Commodity Futures Trading Commission Vorschriften für Unternehmen vor, die den algorithmischen Handel mit Derivaten einsetzen. Diese Vorschriften würden von solchen Unternehmen eine Risikokontrolle vor dem Handel verlangen, während eine umstrittene Bestimmung von ihnen verlangen würde, dass sie der Regierung auf Anfrage den Quellcode ihrer Programme zur Verfügung stellen.
Das Fazit
Algorithmische HFT birgt eine Reihe von Risiken, von denen das größte das Potenzial zur Verstärkung des Systemrisikos ist. Die Neigung zur Intensivierung der Marktvolatilität kann sich auf andere Märkte auswirken und die Unsicherheit der Anleger erhöhen. Wiederholte Anfälle ungewöhnlicher Marktvolatilität könnten das Vertrauen vieler Anleger in die Marktintegrität untergraben.