skip to Main Content

Algorithmic Trading oder Automated Trading (algorithmischer Handel, automatisierter Handel, Black-Box-Handel oder kurz Algo-Trading bzw. Algo-Handel) ist die Verwendung eines Algorithmus (Rechenvorgang nach einem bestimmten [sich wiederholenden] Schema) zur Orderaufgaben bei Handelsaktivit√§ten an der B√∂rse. Theoretisch k√∂nnen dadurch Gewinne in einer Geschwindigkeit und H√§ufigkeit generiert werden, die f√ľr menschliche H√§ndler unm√∂glich sind.

Algorithmic Trading hat das Potential die Finanzm√§rkte zu revolutionieren. Sch√§tzung gehen davon aus, dass 60-73% aller Aktien automatisiert per Algorithmus gehandelt werden, das birgt auch Gefahren f√ľr die M√§rkte mit sich. Eine menschliche √úberwachung ist zur Zeit immer noch notwendig.

Was ist Algorithmic Trading?

Der Algorithmus handelt automatisch nach einem klar definierten Regelwerk, das etwa auf Zeit, Preis, Menge oder einem mathematischen Modell basiert. Neben den Gewinnm√∂glichkeiten f√ľr den Trader macht Algorithmic Trading den Handel systematischer, indem er die Auswirkungen menschlicher Emotionen auf die Handelsaktivit√§ten ausschlie√üt. Der Algorithmische Handel setzt automatisch vorher festgelegte Regeln in sekundenschnelle und zuverl√§ssig in K√§ufe und Verk√§ufe von Finanzprodukten um. Bei diesen Finanzprodukten handelt es sich meist um Aktien oder sogenannte Hebelprodukte auf Devisen, Indizes, Rohstoffe. Alle diese Produkte haben einen aktuellen Kurs (Wert) und nat√ľrlich auch einen Kursverlauf, also alle Kurse aus der Vergangenheit, meist in einem Chart dargestellt. Aus diesen Daten lassen sich dann grunds√§tzlich alle automatischen Handelsanweisungen programmieren und so ein Algorithmus f√ľr das Trading erschaffen. Sehr wichtig ist bei dem Algorithmic Trading die Auswertung des Kursverlaufs der Vergangenheit, deswegen nutzt man sogenannte Indikatoren (z.B. der Mittelwert des Kurses der letzten 100 Tage), die die reinen Kursverl√§ufe auswerten und Anzeichen f√ľr zuk√ľnftige Entwicklungen geben sollen. Diese zwei Werte, der aktuelle Kurs und der Indikator, reichen aus um einen erfolgreiches Algo-Trading-Programm zu kreieren. Im folgenden Beispiel wird recht einfach und anschaulich klar wie dieses Prinzip funktioniert.

Ein einfaches Beispiel f√ľr Algorithmic Trading:

  1. Kaufe eine Aktie wenn der Wert des 10-Tage-Durchschnitts (Moving Average) √ľber den 40-Tage-Durchschnitt steigt.
  2. Verkaufe diese Aktie sobald der Wert des 10-Tage-Durchschnitts unter den des 40-Tage-Durchschnitts sinkt.
Algorithmic Trading Beispiel

Mit diesen beiden einfachen Anweisungen √ľberwacht ein Computerprogramm automatisch den Aktienkurs (und dem Indikator des gleitenden Durchschnitts) und platziert die Kauf- und Verkaufsauftr√§ge, sobald die definierten Bedingungen erf√ľllt sind. Der Trader muss keine Charts mehr √ľberwachen oder die Order manuell eingeben, was zu Fehlern f√ľhren kann und im Gegensatz zu dem Computerprogramm auch sehr langsam ist.

Vorteile und Nachteile des Algo Trading

VORTEILE

Disziplin

Disziplin

Der Algorithums hat keine störenden Emotionen und es gibt keinen Mangel an Disziplin.

Backtesting

Backtesting

Möglichkeit den Algorithmus anhand historischer Marktdaten zu testen (Backtest).

Konsistenz

Konsistenz

Konsistenz und Beständigkeit beim Handel ist zu jeder Zeit garantiert

Order-Geschwindigkeit

Order-Geschwindigkeit

Verbesserung der Ordergeschwindigkeit in den Millisekunden Bereich

Diversifikation

Diversifikation

Mehrere Strategien auf verschiedenen Märkten handeln um das Risiko zu verteilen.

NACHTEILE

Mechnanische Probleme

Mechnanische Probleme

Es k√∂nnen Abst√ľrze des Systems eintreten oder Konnektivit√§tsprobleme.

Kontrolle

Kontrolle

Der automatisierte Handel braucht dennoch menschliche √úberwachung.

√úberoptimierung

√úberoptimierung

Der Algorithmus wird √ľberoptimiert aufgrund des Backtesting (Stichwort: Ausgleichsrechnung)

Technische Voraussetzungen des Algorithmic Trading

Die Programmierung des Algorithmus mithilfe einer Programmiersprache und die Implementierung in die Handelssoftware (Handelsplattform) ist eine notwendige Komponente des algorithmischen Handels. Ist der Algorithmus implementiert wird mit dem sogenannten Backtesting, also anhand von historischen Marktdaten, ermittelt, ob der Algorithmus profitabel gewesen wäre. Um dann mit dem automatischen Handel beginnen zu können ist ein Handelskonto mit dem Zugang zu den Börsen notwendig, dieses wird meist zusammen mit der Handelssoftware von einem Broker bereitgestellt.

  • Programmierkenntnisse zur Programmierung der Handelsstrategie, bzw. einen beauftragten professionellen Programmierer.
  • Eine Handelssoftware bzw. eine Handelsplattform sowie ein Handelskonto (bereitgestellt durch einen Broker), sodass die Implementierung des Handelsalgorithmus erm√∂glicht wird und die Verbindung zur B√∂rse hergestellt werden kann.
  • Marktdaten-Feeds sowie weitere Daten-Feeds werden ben√∂tigt, damit der Handelsalgorithmus nach Auftragsm√∂glichkeiten suchen kann.
  • Historische Marktdaten und Kurse werden sowohl f√ľr den aktiven Handelsalgorithmus, wie auch f√ľr das Backtesting ben√∂tigt.
  • Es k√∂nnen je nach Komplexit√§t des Handelsalgorithmus weitere Daten hinzukommen, die sowohl f√ľr das Backtesting wie auch f√ľr den aktiven Handel ben√∂tigt werden.
  • Fast alle Handelsalgorithmen ben√∂tigen eine Computer-Performance ohne jegliche Ausfallzeiten, dazu wird einen Handelsserver (VPS-Server) genutzt mit einer 24/7-Laufzeit.
  • Es wird eine stabile und schnelle Netzwerkanbindung ben√∂tigt, diese wird meist durch Glasfaser und lokal enge Anbindung des Handelsservers an die gro√üe Internetknotenpunkte oder B√∂rsen gew√§hrleistet.

Algorithmic Trading mit einem Expert Advisor

Ein Expert Advisor (kurz EA), ist ein automatisierter Handelsroboter f√ľr die MetaTrader Handelsplattform. Der MetaTrader4 und der MetaTrader5 ist bei Online-Tradern, die mit Anleihen, Aktien, Indizes, Metalle, Rohstoffe oder Finanzderivate (z.B. CFDs, Futures, Optionen) handeln, weit verbreitet. Die Programmiersprachen MQL4 und MQL5 erm√∂glichen das Programmieren von automatisierten Handelsrobotern und somit eine optimale Plattform f√ľr das Algo-Trading. Die gro√üe Anzahl an Indikatoren, Add-Ons und fertigen Expert Advisors machen den MetaTrader zu einem vielseitigen Handelsinstrument. Das Regelwerk eines Expert Advisors muss grundlegend folgende Fragen beantworten:

Wann wird in den Markt eingestiegen?
Wann wird der Markt verlassen?
Wie sieht das Money Management aus?

Wer nutzt Algorithmic Trading / Anteil am Weltmarktvolumen

Algo-Trading wird bei Börsengeschäften in verschiedenen Formen und von verschiedenen Anlegertypen eingesetzt:

Mittel- bis langfristige Investoren und Buy-Side-Finanzmarktakteure (z.B. Pensionsfonds, Investmentfonds, Versicherungen) nutzen Algo-Trading zum Kauf von Aktien in großen Mengen, mit dem Ziel den Markt nicht durch diese großvolumigen Anlagen zu beeinflussen.

Kurzzeith√§ndler und Sell-Side-Finanzmarktakteure (z.B. Brokerh√§user, Spekulanten und Arbitrageure) profitieren von einer automatisierten Order-Ausf√ľhrung. Dar√ľber hinaus hilft Algo-Trading, gen√ľgend Liquidit√§t f√ľr Verk√§ufer am Markt zu schaffen.

System-Trader (Trendfolger, Hedgefonds oder Trader, die mit marktneutrale Handelsstrategien arbeiten) finden es viel effizienter, ihre Handelsregeln einmal zu programmieren und das Programm automatisch traden zu lassen.

Der algorithmische Handel bietet einen systematischeren Ansatz f√ľr den aktiven Handel als Methoden, die auf Intuition oder Instinkt der H√§ndler basieren.

placeholder

Quelle: Morton Glantz, Robert Kissell
„Multi-Asset Risk Modeling: Techniques for a Global Economy in an Electronic and Algorithmic Trading Era“

Der prozentuale Anteil des Algorithmic Trading auf den Weltmärkten ist von 15 Prozent im Jahre 2003 auf unglaubliche 85 Prozent in 2012 gestiegen. Diese 85 Prozent halten sich in den Jahren 2013 bis 2019 mit nur marginalen Schwankungen.
Besonders stark war der Anstieg von 2006 bis 2009 und somit ist sp√§testens im Jahre 2009 eine neue √Ąra des B√∂rsenhandels angebrochen, mit neuen Chancen und nat√ľrlich auch Risiken.

placeholder

Quelle: CFTC

Prozentsatz des Gesamtvolumens innerhalb der Produktgruppe an der CME (Die US-amerikanische CME Group ist eine der weltgrößten Optionsbörsen und die größte Terminbörse der Welt).
Interessant ist die Steigerung von 2012-2014 bis 2014-2016, aber auch der hohe Anteil des Algorithmic Trading √ľber alle Produktgruppen hinweg. Insbesondere bei Devisengesch√§ften ist dieser mit √ľber 80% bemerkenswert hoch.

K√ľnstliche Intelligenz und Algorithmic Trading

Der Einsatz von k√ľnstlicher Intelligenz, und insbesondere dem damit verbundenen maschinelle Lernen, erm√∂glicht es das Algo-Trading in eine ganz neue Dimension zu f√ľhren. Das maschinelle Lernen stellt sehr leistungsstarke Werkzeuge bereit, um Muster aus jeglicher Art von Daten zu extrahieren und diese in Echtzeit zu untersuchen. K√ľnstliche Intelligenz wird in naher Zukunft das Algorithmic Trading revolutionieren und damit auch eine Revolution auf den Finanzm√§rkten einleiten.

Regelbasiertes System
Regelbasiertes System

Regelbasierte Systeme oder Experten Systeme (engl. rules-based systems oder expert systems) sind die grundlegende Struktur des Algorithmic Trading: Eine Reihe von Fakten √ľber eine Situation und eine Reihe von Regeln f√ľr den Umgang mit diesen Fakten. Auch die k√ľnstliche Intelligenz begr√ľndete sich auf diesen regelbasierten Systeme.

Maschinelles Lernen
Maschinelles Lernen

Im Gegensatz zu regelbasierten Methoden ist maschinelles Lernen (engl. machine learning) probabilistisch und verwendet statistische Modelle und keine deterministischen Regeln. Die Maschine ist in die Lage, Strukturen zu erkennen, diese Erkennung zu evaluieren und sich in vorw√§rts wie r√ľckw√§rts gerichteten Durchl√§ufen selbst√§ndig zu verbessern.

 

Folgende neue Technologien sind mehr oder weniger mit der Entwicklung des Algo-Trading und der k√ľnstlichen Intelligenz verbunden, oder unterst√ľtzen diese, und sind ebenso zukunftsweisend und wichtig f√ľr die Zukunft der Finanzm√§rkte und Weltwirtschaft:

Quantencomputer
Quantencomputer
Blockchain
Blockchain
Kryptowährung
Kryptowährung
Cloud Computing
Cloud Computing
Big Data
Big Data
Internet Der Dinge
Internet der Dinge

Die zwei Hauptkategorien des Algo-Trading

Jeder Algorithmus, der programmierbar ist und an den Börsen handelt gehört zu einer Kategorie des Algo-Trading oder schafft eben eine völlig neue. Es gibt jedoch zwei Hauptkategorien, die oft von institutionellen Anlegern genutzt wird und wohl den größten Anteil am gesamten Volumen des Algo-Trading ausmacht.

High-Frequency-Trading (HFT)

High-Frequency-Trading (HFT) (Hoch-Frequenz-Handel) ist eine spezielle Kategorie des algorithmischen Handels, die meist nur von gr√∂√üeren Unternehmen an der B√∂rse eingesetzt wird. High-Frequency-Trading zeichnet sich durch sehr kurze Haltezeiten von Positionen, niedrige Latenzzeiten und hohe Handelsvolumina an einem Tag aus. Die Marge jedes Handels ist klein, was durch hohe Geschwindigkeit und gro√üe Volumina ausgeglichen wird. Die Algorithmen sind darauf ausgerichtet Handelsm√∂glichkeiten zu nutzen, die in sehr kurzen Zeitr√§umen von nur Milli- oder Mikrosekunden auftreten. Diese zeitkritischen Umst√§nde haben schon daf√ľr gesorgt, dass Unternehmen ihre Handelsserver lokal n√§her an den genutzten B√∂rsenplatz verlegt haben. Geht man von einer Glasfaserverbindung aus ist es beeindruckend, dass bei einer Geschwindigkeit von 300.000 Kilometer pro Sekunde ein Unterschied von beispielsweise 30 Kilometern (also 0,0001 Sekunde) einen Vorteil beim High-Frequency-Trading bringt.

High-Frequency-Trading (HFT)
Quantitative Trading

Quantitative Trading / Quantitativer Handel

Quantitative Trading (Quantitativer Handel) besteht aus Handelsstrategien, die auf quantitativer Analyse basieren und die mathematischen Modelle und fortschrittliche statistische Techniken nutzen, um Handelsm√∂glichkeiten zu identifizieren. Der quantitative Handel wird im Allgemeinen von Finanzinstituten und Hedgefonds genutzt, denn die Transaktionen sind in der Regel gro√ü und k√∂nnen den Kauf und Verkauf von Hunderttausenden von Aktien und anderen Finanzprodukten beinhalten. Der quantitative Handel wird jedoch immer h√§ufiger von einzelnen Investoren genutzt. Quantitativer Handel wird h√§ufig manuell betrieben, jedoch wird der algorithmische Handel auch bei diesen Handelsstrategien mehr und mehr genutzt, um menschliche Fehler zu vermeiden. Besonders bei Strategien, die eine hohe Frequenz an Trades haben wird Algo-Trading eingesetzt. Preis und Volumen sind zwei der h√§ufigsten Dateneingaben, die in der quantitativen Analyse als Hauptinput f√ľr mathematische Modelle verwendet werden.

Algorithmische Handelsstrategien - Eine √úbersicht

Trendfolge-Strategien

Die g√§ngigsten algorithmischen Handelsstrategien folgen Trends, wie etwa gleitenden Durchschnitten (Moving Averages), Kanalausbr√ľchen (Channel Breakouts), Preisniveaubewegungen (Price Level Movements) und √§hnlichen technischen Indikatoren. Dies sind die einfachsten Strategien, die durch den algorithmischen Handel umzusetzen sind, da sie keine Vorhersagen oder Preisprognosen beinhalten. Trades werden basierend auf bestimmten Ereignissen von Trends initiiert, die einfach und unkompliziert durch Algorithmen implementiert werden k√∂nnen.

Arbitragemöglichkeiten

Der Kauf einer doppelt notierten Aktie zu einem niedrigeren Preis in einem Markt und der gleichzeitige Verkauf zu einem h√∂heren Preis in einem anderen Markt bietet die Preisdifferenz als risikofreier Gewinn oder Arbitrage. Der gleiche Vorgang kann f√ľr Aktien gegen Futures-Instrumente wiederholt werden. Die Implementierung eines Algorithmus zur Identifizierung¬† solcher Preisunterschiede, die effiziente Auftragserteilung sowie die automatische √úberwachung sehr vieler Finanzprodukte und B√∂rsen in Echtzeit erm√∂glichen profitable Chancen.

ETF-Rebalancing (Indexfond-Rebalancing)

Indexfonds (ETFs) haben bestimmte Zeitr√§ume f√ľr ein Rebilanzierung definiert, um ihre Best√§nde auf das Niveau des jeweiligen Benchmark-Indizes zu bringen. Dies schafft profitable M√∂glichkeiten f√ľr das Algo-Trading, das von erwarteten Trades profitieren, die 20 bis 80 Basispunkte Gewinn je nach Anzahl der Aktien im Indexfonds kurz vor der Rebilanzierung des Indexfonds bieten. Solche Trades werden √ľber algorithmische Handelssysteme initiiert, um eine zeitnahe Ausf√ľhrung und somit beste Preise zu erzielen.

Mathematische modellbasierte Strategien

Bewährte mathematische Modelle, wie die Delta-Hedging Handelsstrategie (Eine Absicherungsstrategie, mit der man eine Optionsposition gegen Preisänderungen des Basiswertes absichert. Hierzu baut man eine Position im Basiswert auf, deren Wertänderungen bei Preisbewegung den Wertänderungen der Optionsposition genau entgegengesetzt sind.) lassen sich ebenfalls gut als Algorithmus automatisieren. Auch andere mathematische Modelle lassen sich naturgemäß gut implementieren.

Handelsspanne (Mean Reversion)

Die Strategie der mittleren Umkehrung basiert auf dem Konzept, dass die hohen und niedrigen Preise eines Verm√∂genswertes ein vor√ľbergehendes Ph√§nomen sind. Der Verm√∂genswert wird periodisch auf seinen Mittelwert (Durchschnittswert) zur√ľckkommen. Zur Implementierung eines Algorithmus ist das Identifizieren und Definieren einer Preisspanne n√∂tig, so k√∂nnen dann Trades automatisch platziert werden, wenn der Preis in oder au√üerhalb der definierten Spanne liegt.

Implementierungsdefizit (Implementation Shortfall)

Die Strategie des Implementierungsdefizits zielt darauf ab, die Ausf√ľhrungskosten eines Auftrags durch den Handel au√üerhalb des Echtzeitmarktes zu minimieren, wodurch die Kosten des Auftrags eingespart und die Opportunit√§tskosten einer verz√∂gerten Ausf√ľhrung genutzt werden. Die Strategie erh√∂ht die angestrebte Beteiligungsquote, wenn sich der Aktienkurs positiv entwickelt, und verringert sie, wenn sich der Aktienkurs negativ entwickelt.

Volumengewichteter Durchschnittspreis (VWAP)

Die volumengewichtete Durchschnittspreisstrategie bricht einen Gro√üauftrag auf und gibt dynamisch ermittelte kleinere Teile des Auftrags √ľber aktienspezifische historische Volumenprofile an den Markt ab. Ziel ist es, den Auftrag in der N√§he des volumengewichteten Durchschnittspreises (VWAP) auszuf√ľhren.

Zeitgewichteter Durchschnittspreis (TWAP)

Die zeitgewichtete Durchschnittspreisstrategie bricht einen Gro√üauftrag auf und gibt dynamisch ermittelte kleinere Teile des Auftrags √ľber gleichm√§√üig verteilte Zeitfenster an den Markt ab. Ziel ist es, den Auftrag nahe am Durchschnittspreis auszuf√ľhren und so die Auswirkungen auf den Markt zu minimieren.

Prozentsatz des Volumens (POV)

Bis zur vollst√§ndigen Ausf√ľhrung einer Order sendet dieser Handelsalgorithmus Teilauftr√§ge entsprechend der definierten Beteiligungsquote und dem an den M√§rkten gehandelten Volumen. Diese Stufenstrategie sendet Orders zu einem benutzerdefinierten Prozentsatz des Marktvolumens und erh√∂ht oder verringert diese Teilnahmequote, wenn der Kurs ein benutzerdefiniertes Niveau erreicht.

Alternative Handelsalgorithmen / Handelsstrategien

Es gibt einige spezielle Klassen von Algorithmen, die versuchen, Aktionen andere Marktteilnehmer zu identifizieren. Diese sogenannten Sniffing-Algorithmen versuchen die Existenz von Algorithmen auf der Käuferseite eines Großauftrags zu identifizieren. Eine solche Erkennung hilft große Auftragschancen zu erkennen. Dies wird manchmal als High-Tech-Front-Running bezeichnet.

Back To Top