4 große Risiken des algorithmischen Hochfrequenzhandels
Was ist algorithmischer Hochfrequenzhandel (HFT)?
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 handelt. Beim algorithmischen Handel werden Trades basierend auf definierten 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: Es gewährleistet die „beste Ausführung“ von Trades, weil es den menschlichen Faktor minimiert, und es kann verwendet werden, um mehrere Märkte und Vermögenswerte viel effizienter zu handeln, als es ein Händler aus Fleisch und Knochen erhoffen könnte.
Die zentralen Thesen
- Algorithmischer Handel bezieht sich auf die Verwendung von Computeralgorithmen für den Handel mit großen Aktienblöcken oder anderen finanziellen Vermögenswerten, während die Auswirkungen solcher Geschäfte auf den Markt minimiert werden.
- Beim algorithmischen Handel werden Trades basierend auf definierten Kriterien platziert und diese Trades in kleinere Lose aufgeteilt, damit der Preis des Vermögenswerts nicht wesentlich beeinflusst wird.
- Die Hauptvorteile des algorithmischen Handels bestehen darin, dass er die „beste Ausführung“ von Trades gewährleistet, da er das menschliche Element minimiert und mehrere Märkte und Vermögenswerte viel effizienter handeln kann, als es ein menschlicher Trader könnte.
- Wie der Begriff schon sagt, werden beim Hochfrequenzhandel (HFT) Tausende von Orders mit unglaublich hoher Geschwindigkeit platziert.
- Der algorithmische Handel und der Hochfrequenzhandel haben zwar die Marktliquidität und die Konsistenz der Vermögenspreise verbessert, ihre Verwendung hat jedoch auch bestimmte Risiken mit sich gebracht, insbesondere die Fähigkeit, das systemische Risiko zu verstärken.
Algorithmischen Hochfrequenzhandel verstehen
Der Hochfrequenzhandel (HFT) bringt den algorithmischen Handel auf eine ganz andere Ebene – stellen Sie sich ihn als Algo-Handel mit Steroiden vor. Wie der Begriff schon sagt, werden beim Hochfrequenzhandel Tausende von Orders mit unglaublich hoher Geschwindigkeit platziert.
Das Ziel besteht darin, bei jedem Trade winzige Gewinne zu erzielen, oft durch Ausnutzung von Preisunterschieden für dieselbe Aktie oder denselben Vermögenswert in verschiedenen Märkten. HFT ist dem traditionellen langfristigen Buy-and-Hold-Investment diametral entgegengesetzt, da die Arbitrage- und Market-Making-Aktivitäten, die das A und O von HFT sind, in der Regel innerhalb eines kleinen Zeitfensters stattfinden, bevor die Preisdifferenzen oder -inkongruenzen verschwinden.
Algorithmischer Handel und HFT sind aufgrund der Konvergenz mehrerer Faktoren zu einem festen Bestandteil der Finanzmärkte geworden. Dazu gehören die wachsende Rolle der Technologie in den heutigen Märkten, die zunehmende Komplexität von Finanzinstrumenten und Produkten und das unaufhörliche Streben 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 Nutzung auch gewisse Risiken mit sich gebracht, die nicht ignoriert werden können.
Das größte Risiko: Verstärkung des systemischen Risikos
Eines der größten Risiken des algorithmischen HFT ist dasjenige, das es für das Finanzsystem darstellt. Ein Bericht des Technical Committee der International Organization of Securities Commissions (IOSCO) vom Juli 2011 stellte fest, dass aufgrund der starken Verflechtungen zwischen den Finanzmärkten, wie denen in den USA, marktübergreifende Algorithmen Schocks schnell von einem Markt zum nächsten übertragen können, wodurch das systemische Risiko verstärkt wird. AlsParadebeispiel für dieses Risiko nannte derBericht den Flash-Crash vom Mai 2010.
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 auf Intraday-Basis um fast 1.000 Punkte ab, was zu diesem Zeitpunkt Zeit war der größte Punktverlust seit Beginn der Aufzeichnungen.
Wie der IOSCO-Bericht feststellt, gingen an diesem Tag zahlreiche Aktien und Exchange Traded Funds (ETFs) durcheinander und fielen zwischen 5 und 15 %, bevor sie den größten Teil ihrer Verluste wieder wettmachten. Über 20.000 Trades in 300 Wertpapieren wurden zu Preisen getätigt, die nur wenige Augenblicke zuvor von ihren Werten entfernt waren, wobei einige Trades zu absurden Preisen ausgeführt wurden, ab einem Penny oder bis zu 100.000 US-Dollar.
Die Geschwindigkeit, mit der der algorithmische Hochfrequenzhandel stattfindet, bedeutet, dass ein fehlerhafter oder fehlerhafter Algorithmus in kurzer Zeit Millionen an Verlusten verursachen kann.
Diese ungewöhnlich unberechenbare Handelsaktion erschütterte die Anleger, insbesondere weil sie etwas mehr als ein Jahr nach der Erholung der Märkte von ihren größten Rückgängen seit mehr als sechs Jahrzehnten stattfand.
Hat „Spoofing“ zum Flash-Crash beigetragen?
Was hat dieses bizarre Verhalten verursacht? In einem gemeinsamen Bericht, der im September 2010 veröffentlicht wurde, machten die SEC und die Commodity Futures Trading Commission die Schuld auf einen einzigen 4,1 Milliarden Dollar schweren Programmhandel eines Händlers einer Investmentfondsgesellschaft mit Sitz in Kansas. Im April 2015 beschuldigten die US-Behörden jedoch einen in London ansässigen Daytrader, Navinder Singh Sarao, der Marktmanipulation, die zum Crash beigetragen hat. Die Anklagen führten zu Saraos Festnahme und einer möglichen Auslieferung an die USA
Sarao hat angeblich eine Taktik namens “ Spoofing “ verwendet, bei der große Mengen gefälschter Aufträge in einem Vermögenswert oder Derivat platziert werden (Sarao hat am Tag des Flash-Crashs den E-mini S&P 500-Kontrakt verwendet), die storniert werden, bevor sie ausgeführt werden. Wenn solche Großorders im Orderbuch auftauchen, erwecken sie bei anderen Tradern den Eindruck, dass ein größeres Kauf- oder Verkaufsinteresse besteht als in Wirklichkeit, was ihre eigenen Handelsentscheidungen beeinflussen könnte.
Zum Beispiel kann ein Spoofer anbieten, eine große Anzahl von Aktien der ABC-Aktie zu einem Preis zu verkaufen, der etwas vom aktuellen Preis abweicht. Wenn andere Verkäufer in die Aktion einsteigen 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 in die Höhe zu treiben. Und nachdem dies passiert ist, verkauft der Spoofer seine Bestände an ABC, kassiert einen ordentlichen Gewinn und storniert die falschen Kaufaufträge. Spülen und wiederholen.
Viele Marktbeobachter standen der Behauptung skeptisch gegenüber, dass ein Händler im Alleingang einen Crash hätte verursachen können, der den Marktwert von US-Aktien innerhalb von Minuten um fast eine Billion Dollar vernichtete. Aber ob Saraos Aktion tatsächlich den Flash Crash verursachte, ist ein Thema für einen anderen Tag. Inzwischen gibt es einige triftige Gründe, warum algorithmische HFT systemische Risiken verstärkt.
Warum verstärkt algorithmischer Hochfrequenzhandel das systemische Risiko?
Intensivierung der Volatilität
Erstens ist der Versuch, die Konkurrenz zu überlisten, eine eingebaute Eigenschaft der meisten Algorithmen, da es auf den heutigen Märkten viele algorithmische 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.
Ripple-Effekte
Angesichts des zunehmenden Integrationsgrads zwischen Märkten und Anlageklassen in der Weltwirtschaft schlägt sich ein Zusammenbruch in einem wichtigen Markt oder einer wichtigen Anlageklasse häufig in einer Kettenreaktion auf andere Märkte und Anlageklassen nieder.
Der Crash des US-Immobilienmarktes beispielsweise verursachte eine weltweite Rezession und Schuldenkrise, weil nicht nur US-Banken, sondern auch europäische und andere Finanzinstitute erhebliche Bestände an US-Subprime-Papieren hielten. Ein weiteres Beispiel für solche Welleneffekte sind die negativen Auswirkungen des chinesischen Börsencrashs sowie des Einbruchs der Rohölpreise auf die globalen Aktien von August 2015 bis Januar 2016.
Unsicherheit
Algorithmic HFT trägt erheblich zur übertriebenen Marktvolatilität bei, die kurzfristig die Unsicherheit der Anleger schüren und das Verbrauchervertrauen langfristig beeinträchtigen kann. Wenn ein Markt plötzlich zusammenbricht, fragen sich die Anleger nach den Gründen für einen so dramatischen Schritt. Während des Nachrichtenvakuums, das zu solchen Zeiten oft existiert, werden große Händler (einschließlich HFT-Firmen) ihre Handelspositionen reduzieren, um das Risiko zu reduzieren, was die Märkte stärker unter Druck setzt.
Algorithmic HFT trägt erheblich zur übertriebenen Marktvolatilität bei, die kurzfristig die Unsicherheit der Anleger schüren und das Verbrauchervertrauen langfristig beeinträchtigen kann.
Wenn sich die Märkte nach unten bewegen, werden mehr Stop-Losses aktiviert, und diese negative Rückkopplungsschleife erzeugt eine Abwärtsspirale. Wenn sich aufgrund einer solchen Aktivität ein Bärenmarkt entwickelt, wird das Verbrauchervertrauen durch die Erosion des Aktienmarktvermögens und die rezessiven Signale, die von einer großen Marktkrise ausgehen, erschüttert.
Andere Risiken des algorithmischen Hochfrequenzhandels
Fehlerhafte Algorithmen
Die schwindelerregende Geschwindigkeit, mit der die meisten algorithmischen HFT-Handel ablaufen, bedeutet, dass ein fehlerhafter oder fehlerhafter Algorithmus in sehr kurzer Zeit Millionen an Verlusten verursachen kann. Ein berüchtigtes Beispiel für den Schaden, den ein fehlerhafter Algorithmus anrichten kann, ist der von Knight Capital, einem Market Maker, der am 1. August 2012 innerhalb von 45 Minuten 440 Millionen Dollar verlor.
Ein neuer Handelsalgorithmus bei Knight machte Millionen von fehlerhaften Trades in etwa 150 Aktien, kaufte sie zum höheren „Briefkurs“ und verkaufte sie sofort zum niedrigeren „Geldkurs“. Beachten Sie, dass Market Maker Aktien von Anlegern zum Geldkurs kaufen und an sie zum Briefkurs verkaufen, wobei der Spread ihr Handelsgewinn ist.
Leider führte die Hypereffizienz der algorithmischen HFT – bei der Algorithmen die Märkte ständig auf genau diese Art von Preisdiskrepanz überwachen –, dass konkurrierende Händler eingriffen und Knights Dilemma ausnutzten, während Knights Mitarbeiter verzweifelt versuchten, die Ursache des Problems zu isolieren. Zu diesem Zeitpunkt war Knight kurz vor dem Bankrott, was schließlich zur Übernahme durch Getco LLC führte.
Riesige Anlegerverluste
Volatilitätsschwankungen, die durch algorithmischen HFT verschlimmert werden, können den Anlegern enorme Verluste auferlegen. Viele Anleger platzieren routinemäßig Stop-Loss-Orders für ihre Aktienbestände auf einem Niveau, das 5 % von den aktuellen Handelskursen entfernt ist. Wenn die Märkte ohne ersichtlichen Grund (oder sogar aus einem sehr guten Grund) nach unten gehen, werden diese Stop-Loss ausgelöst.
Um die Verletzung noch schlimmer zu machen: Sollten sich die Aktien anschließend kurzfristig erholen, hätten die Anleger unnötig Handelsverluste erlitten und ihre Bestände verloren. Während einige Trades während ungewöhnlicher Marktvolatilitäten wie dem Flash Crash und dem Knight-Fiasko rückgängig gemacht oder abgebrochen wurden, war dies bei den meisten Trades nicht der Fall.
Zum Beispiel lagen die meisten der fast zwei Milliarden Aktien, die während des Flash Crashs gehandelt wurden, zu Preisen innerhalb von 10 % ihres Schlusskurses um 14:40 Uhr (dem Zeitpunkt, als der Flash Crash am 6. Mai 2010 begann), und diese Trades standen. Lediglich etwa 20.000 Trades mit insgesamt 5,5 Millionen Aktien, die zu Preisen ausgeführt wurden, die mehr als 60 % vom Kurs um 14:40 Uhr entfernt waren, wurden anschließend storniert. Ein Investor mit einem Aktienportfolio von 500.000 US-Dollar an US-Blue-Chips, der während des Flash-Crashs 5% Stop-Loss auf seine Positionen hatte, würde also höchstwahrscheinlich 25.000 US-Dollar verlieren.
Am 1. August 2012 stornierte die NYSE Trades in sechs Aktien, die stattfanden, als der Knight-Algorithmus Amok lief, weil sie zu Kursen ausgeführt wurden, die 30% über oder unter dem Eröffnungskurs dieses Tages lagen. Die Regel „Clearly Erroneous Execution“ der NYSE gibt die numerischen Richtlinien für die Überprüfung solcher Trades an.
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 ganz aufzugeben.
Im Mai 2012 kam es beim Börsengang von Facebook zu zahlreichen Technologieproblemen und verzögerten Bestätigungen, während die Nasdaq am 22. August 2013 aufgrund eines Softwareproblems für drei Stunden den Handel 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 stark erschüttern.
Maßnahmen zur Bekämpfung von algorithmischen Hochfrequenzhandelsrisiken
Mit dem Flash Crash und Knight Trading „Knightmare“, das die Risiken von algorithmischem HFT hervorhebt, haben Börsen und Aufsichtsbehörden Schutzmaßnahmen ergriffen. Im Jahr 2014 führte die Nasdaq OMX Group einen „Kill Switch“ für ihre Mitgliedsfirmen ein, der den Handel unterbrechen würde, sobald ein voreingestelltes Risikoniveau überschritten wird. Während viele HFT-Firmen bereits über „Kill“-Schalter verfügen, 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 einen großen Ausverkauf gibt. Die SEC verabschiedete 2012 überarbeitete Regeln, die es ermöglichen, Leistungsschalter zu aktivieren, wenn der S&P 500-Index vor 15:25 Uhr EST um 7 % (vom Schlussstand des Vortages) abstürzt, was den marktweiten Handel für 15 Minuten einstellen würde. Ein Einbruch um 13 % vor 15:25 Uhr würde einen weiteren 15-minütigen Stopp des gesamten Marktes auslösen, während ein Einbruch um 20 % den Aktienmarkt für den Rest des Tages schließen würde.
Im November 2014 hat die Commodity Futures Trading Commission Regulierungen für Unternehmen vorgeschlagen, die den algorithmischen Handel mit Derivaten verwenden. Diese Vorschriften würden von solchen Firmen verlangen, vor dem Handel Risiken zu kontrollieren, während eine umstrittene Bestimmung von ihnen verlangen würde, den Quellcode ihrer Programme auf Anfrage der Regierung zur Verfügung zu stellen.
Das Fazit
Algorithmische HFT birgt eine Reihe von Risiken, von denen das größte das Potenzial zur Verstärkung des systemischen Risikos ist. Seine Neigung, die Marktvolatilität zu verstärken, kann auf andere Märkte übergreifen und die Unsicherheit der Anleger schüren. Wiederholte Anfälle ungewöhnlicher Marktvolatilität könnten das Vertrauen vieler Anleger in die Marktintegrität untergraben.