Der algorithmische Handel (auch automatisierter Handel, Black-Box-Handel oder Algo-Handel 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 generieren, die für einen menschlichen Händler unmöglich ist.

Die definierten Befehlssätze basieren auf Timing, Preis, Menge oder einem beliebigen mathematischen Modell. Abgesehen von Gewinnchancen für den Händler macht Algo-Trading die Märkte liquider und den Handel systematischer, indem die Auswirkungen menschlicher Emotionen auf die Handelsaktivitäten ausgeschlossen werden.

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 Preisschwankungen 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 gleitenden Durchschnittsindikatoren) 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.

Vorteile des algorithmischen Handels

Algo-Trading bietet folgende Vorteile:

• Trades werden zu den bestmöglichen Preisen ausgeführt.
• Die Platzierung von Handelsaufträgen erfolgt sofort und genau (es besteht eine hohe Wahrscheinlichkeit einer Ausführung auf dem gewünschten Niveau).
• Trades werden korrekt und sofort ausgeführt, um signifikante Preisänderungen zu vermeiden.
• Reduzierte Transaktionskosten.
• Gleichzeitige automatisierte Prüfung mehrerer Marktbedingungen.
• Reduziertes Risiko manueller Fehler bei der Platzierung von Trades.
• Algo-Trading kann anhand verfügbarer historischer und Echtzeitdaten zurückgetestet werden, um festzustellen, ob es sich um eine tragfähige Handelsstrategie handelt.
• Reduziert die Möglichkeit von Fehlern durch menschliche Händler basierend auf emotionalen und psychologischen Faktoren.Der meiste Algo-Handel ist heute der Hochfrequenzhandel (HFT), der versucht, eine große Anzahl von Aufträgen mit hoher Geschwindigkeit über mehrere Märkte und mehrere Entscheidungsparameter basierend auf vorprogrammierten Anweisungen zu platzieren.

  Algo-Trading wird in vielen Formen des Handels und der Investitionstätigkeit eingesetzt, darunter:Mittel- bis langfristige Investoren oder Buy-Side-Firmen – Pensionsfonds, Investmentfonds, Versicherungen — nutzen den Algo-Handel, um Aktien in großen Mengen zu kaufen, wenn sie die Aktienkurse nicht mit diskreten, großvolumigen Investitionen beeinflussen wollen.Kurzfristige Trader und Sell-Side—Teilnehmer — Market Maker (wie Brokerhäuser), Spekulanten und Arbitrageure – profitieren von der automatisierten Handelsausführung; Darüber hinaus hilft Algo-Trading, ausreichende Liquidität für Verkäufer auf dem Markt zu schaffen.Systematische Trader – Trendfolger, Hedgefonds oder Pairs Trader (eine marktneutrale Handelsstrategie, die eine Long-Position mit einer Short-Position in einem Paar stark korrelierter Instrumente wie zwei Aktien, Exchange Traded Funds (ETFs) oder Währungen vergleicht) — 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 Gelegenheit, die in Bezug auf verbesserte Erträge oder Kostensenkung rentabel ist. Die folgenden Handelsstrategien werden häufig im Algo-Handel 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 implementiert werden können, da diese Strategien keine Vorhersagen oder Preisprognosen beinhalten. Trades werden basierend auf dem Auftreten wünschenswerter Trends initiiert, die einfach und unkompliziert durch Algorithmen implementiert werden können, ohne in die Komplexität der Vorhersageanalyse einzusteigen. Die Verwendung von 50- und 200-Tage-gleitenden Durchschnitten ist eine beliebte Trendfolgestrategie.

  Arbitragemöglichkeiten

  Der Kauf einer doppelt notierten Aktie zu einem niedrigeren Preis in einem Markt und der gleichzeitige Verkauf zu einem höheren Preis in einem anderen Markt bietet die Preisdifferenz als risikofreien Gewinn oder Arbitrage. Der gleiche Vorgang kann für Aktien vs. Futures-Instrumente repliziert werden, da von Zeit zu Zeit Preisunterschiede bestehen. Die Implementierung eines Algorithmus, um solche Preisunterschiede zu identifizieren und die Aufträge effizient zu platzieren, ermöglicht profitable Möglichkeiten.

  Indexfonds-Rebalancing

  Indexfonds haben Perioden der Rebalancing definiert, um ihre Bestände auf Augenhöhe mit ihren jeweiligen Benchmark-Indizes zu bringen. Dies schafft profitable Möglichkeiten für algorithmische Händler, die von erwarteten Trades profitieren, die je nach Anzahl der Aktien im Indexfonds Gewinne von 20 bis 80 Basispunkten bieten, kurz bevor der Indexfonds neu ausbalanciert wird. Solche Trades werden über algorithmische Handelssysteme für die rechtzeitige Ausführung und die besten Preise initiiert.

  Mathematische modellbasierte Strategien

  Bewährte mathematische Modelle, wie die delta-neutrale Handelsstrategie, ermöglichen den Handel mit einer Kombination aus Optionen und dem zugrunde liegenden Wertpapier. (Delta) ist eine Portfoliostrategie, die aus mehreren Positionen besteht, wobei positive und negative Deltas ausgeglichen werden — ein Verhältnis, das die Änderung des Preises eines Vermögenswerts, normalerweise eines marktfähigen Wertpapiers, mit der entsprechenden Änderung des Preises seines Derivats vergleicht —, so dass Das Gesamtdelta der betreffenden Vermögenswerte beträgt Null.)

  Handelsspanne (Mean Reversion)

  Die Mean Reversion-Strategie basiert auf dem Konzept, dass die hohen und niedrigen Preise eines Vermögenswerts ein vorübergehendes Phänomen sind, das periodisch auf ihren Mittelwert (Durchschnittswert) zurückkehrt. 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 die definierte Spanne ein- und aussteigt.

  Volumengewichteter Durchschnittspreis (VWAP)

  Die volumengewichtete Durchschnittspreisstrategie bricht einen Großauftrag auf und gibt dynamisch ermittelte kleinere Teile des Auftrags mithilfe von aktienspezifischen historischen Volumenprofilen an den Markt ab. Ziel ist es, den Auftrag nahe am volumengewichteten Durchschnittspreis (VWAP) auszuführen.

  Time Weighted Average Price (TWAP)

  Die zeitgewichtete Durchschnittspreisstrategie bricht einen großen Auftrag auf und gibt dynamisch ermittelte kleinere Teile des Auftrags unter Verwendung gleichmäßig verteilter Zeitschlitze zwischen einer Start- und einer Endzeit an den Markt ab. Ziel ist es, den Auftrag in der Nähe des Durchschnittspreises zwischen Start- und Endzeit auszuführen, wodurch die Auswirkungen auf den Markt minimiert werden.

  Prozentsatz des Volumens (POV)

  Bis zur vollständigen Ausführung des Handelsauftrags sendet dieser Algorithmus weiterhin Teilaufträge gemäß der definierten Beteiligungsquote und gemäß dem in den Märkten gehandelten Volumen. Die zugehörige „Steps-Strategie“ sendet Aufträge zu einem benutzerdefinierten Prozentsatz des Marktvolumens und erhöht oder verringert diese Beteiligungsrate, wenn der Aktienkurs ein benutzerdefiniertes Niveau erreicht.

  Implementation Shortfall

  Die Implementation Shortfall-Strategie zielt darauf ab, die Ausführungskosten eines Auftrags durch den Handel außerhalb des Echtzeitmarktes zu minimieren, wodurch die Kosten des Auftrags eingespart und die Opportunitätskosten einer verzögerten Ausführung genutzt werden. Die Strategie erhöht die angestrebte Beteiligungsquote, wenn sich der Aktienkurs günstig bewegt, und verringert sie, wenn sich der Aktienkurs nachteilig bewegt.

  Jenseits der üblichen Handelsalgorithmen

  Es gibt einige spezielle Klassen von Algorithmen, die versuchen, „Ereignisse“ auf der anderen Seite zu identifizieren. Diese „Schnüffelalgorithmen“, die beispielsweise von einem Sell-Side—Market-Maker verwendet werden, verfügen über die integrierte Intelligenz, um die Existenz von Algorithmen auf der Kaufseite eines großen Auftrags zu identifizieren. Eine solche Erkennung durch Algorithmen wird dem Market Maker helfen, große Auftragschancen zu identifizieren und es ihm zu ermöglichen, von der Ausführung der Aufträge zu einem höheren Preis zu profitieren. Dies wird manchmal als High-Tech-Front-Running identifiziert.

  Technische Voraussetzungen für den algorithmischen Handel

  Die Implementierung des Algorithmus mit einem Computerprogramm ist die letzte Komponente des algorithmischen Handels, begleitet von Backtesting (Ausprobieren des Algorithmus in historischen Perioden der vergangenen Börsenperformance, um festzustellen, ob die 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. Die folgenden Anforderungen gelten für den algorithmischen Handel:

  • Computer-Programmierkenntnisse zur Programmierung der erforderlichen Handelsstrategie, angeheuerte Programmierer oder vorgefertigte Handelssoftware.
  • Netzwerkkonnektivität und Zugang zu Handelsplattformen, um Aufträge zu erteilen.
  • Zugang zu Marktdaten-Feeds, die vom Algorithmus auf Möglichkeiten zur Auftragserteilung überwacht werden.
  • Die Fähigkeit und Infrastruktur, das System nach der Erstellung zu testen, bevor es auf realen Märkten live geht.
  • Verfügbare historische Daten für Backtesting, abhängig 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 London Stock Exchange (LSE) notiert. Wir beginnen mit dem Aufbau eines Algorithmus, um Arbitragemöglichkeiten zu identifizieren. Hier sind einige interessante Beobachtungen:

  • AEX handelt in Euro, während LSE in britischem Pfund Sterling handelt.Aufgrund des einstündigen Zeitunterschieds öffnet die AEX eine Stunde früher als die LSE, gefolgt von beiden Börsen, die in den nächsten Stunden gleichzeitig gehandelt werden, und dann in der letzten Stunde nur noch in der LSE, wenn die AEX schließt.

  Können wir die Möglichkeit des Arbitragehandels an der Royal Dutch Shell-Aktie, die an diesen beiden Märkten in zwei verschiedenen Währungen notiert ist, untersuchen?

  Voraussetzungen:

  • Ein Computerprogramm, das aktuelle Marktpreise auslesen kann.
  • Preis-Feeds von LSE und AEX.
  • Ein Forex (Devisen-) Kurs-Feed für GBP-EUR.
  • Bestellfunktion, die die Bestellung an die richtige Börse weiterleiten kann.
  • Backtesting-Fähigkeit auf historische Preis-Feeds.

  Das Computerprogramm sollte Folgendes ausführen:

  • Lesen Sie den eingehenden Preisfeed der RDS-Aktie von beiden Börsen.
  • Konvertieren Sie den Preis einer Währung mithilfe der verfügbaren Wechselkurse in die andere.
  • Wenn es eine ausreichend große Preisdiskrepanz gibt (Abzinsung der Maklerkosten), die zu einer profitablen Gelegenheit führt, sollte das Programm die Kauforder an der günstigeren Börse platzieren und die Order an der höherpreisigen Börse verkaufen.
  • Wenn die Aufträge wie gewünscht ausgeführt werden, folgt der Arbitragegewinn.

  Einfach und leicht! Die Praxis des algorithmischen Handels ist jedoch nicht so einfach zu pflegen und auszuführen. Denken Sie daran, wenn ein Investor einen Algo-generierten Handel platzieren kann, können dies auch andere Marktteilnehmer. Folglich schwanken die Preise in Milli- und sogar Mikrosekunden. Was passiert im obigen Beispiel, wenn ein Kauf-Trade ausgeführt wird, der Verkauf-Trade jedoch nicht, da sich die Verkaufspreise ändern, wenn die Order auf den Markt kommt? Der Händler wird mit einer offenen Position belassen, die die Arbitrage-Strategie wertlos macht.Es gibt zusätzliche Risiken und Herausforderungen wie Systemausfallrisiken, Netzwerkkonnektivitätsfehler, Zeitverzögerungen zwischen Handelsaufträgen und Ausführung und vor allem unvollkommene Algorithmen. Je komplexer ein Algorithmus ist, desto strenger ist das Backtesting, bevor er in die Tat umgesetzt wird.