Der algorithmische Handel (auch automatisierter Handel, Black-Box-Handel oder Algo-Handel genannt) verwendet ein Computerprogramm, das einem definierten Befehlssatz (einem Algorithmus) folgt, um einen Handel zu platzieren. Theoretisch kann der Handel Gewinne mit einer Geschwindigkeit und Häufigkeit erzielen, die für einen menschlichen Händler unmöglich ist.
Die definierten Anweisungssätze basieren auf dem Zeitpunkt, dem Preis, der Menge oder einem beliebigen mathematischen Modell. Abgesehen von Gewinnchancen für den Trader macht algo-trading die Märkte liquider und den Handel systematischer, indem die Auswirkungen menschlicher Emotionen auf die Handelsaktivitäten ausgeschlossen werden.
Algorithmisches Handeln in der Praxis
Angenommen, ein Händler folgt diesen einfachen Handelskriterien:
- Kaufen Sie 50 Aktien einer Aktie, wenn der gleitende 50-Tage-Durchschnitt den gleitenden 200-Tage-Durchschnitt überschreitet. (Ein gleitender Durchschnitt ist ein Durchschnitt vergangener Datenpunkte, der alltägliche Preisschwankungen ausgleicht und dadurch Trends identifiziert.) Verkaufen Sie Aktien der Aktie, wenn der gleitende 50-Tage-Durchschnitt den gleitenden 200-Tage-Durchschnitt unterschreitet.
Mit diesen beiden einfachen Anweisungen überwacht ein Computerprogramm automatisch den Aktienkurs (und die Indikatoren für den gleitenden Durchschnitt) und gibt Kauf- und Verkaufsaufträge ab, wenn die definierten Bedingungen erfüllt sind. Der Händler muss nicht länger Live-Preise und Grafiken überwachen oder die Aufträge manuell eingeben. Das algorithmische Handelssystem führt dies automatisch durch, indem es die Handelschance korrekt identifiziert.
Grundlagen des algorithmischen Handels
Vorteile des algorithmischen Handels
Algo-Trading bietet folgende Vorteile:
- Trades werden zu den bestmöglichen Preisen ausgeführt. Die Auftragserteilung erfolgt sofort und genau (es besteht eine hohe Wahrscheinlichkeit der Ausführung auf den gewünschten Ebenen). Die Handelszeiten werden korrekt und sofort festgelegt, um signifikante Preisänderungen zu vermeiden. Reduzierte Transaktionskosten Mehrere Marktbedingungen. Reduziertes Risiko von manuellen Fehlern bei der Platzierung von Trades. Algo-Trading kann anhand verfügbarer historischer Daten und Echtzeitdaten erneut getestet werden um zu sehen, ob es sich um eine tragfähige Handelsstrategie handelt. Reduziert die Möglichkeit von Fehlern durch menschliche Händler, die auf emotionalen und psychologischen Faktoren beruhen.
Der Großteil des heutigen Algo-Handels ist der Hochfrequenzhandel (HFT), bei dem versucht wird, 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 Handels- und Investitionstätigkeiten eingesetzt, darunter:
- Mittel- bis langfristige Anleger oder Buy-Side-Unternehmen - Pensionskassen, Investmentfonds und Versicherungsunternehmen - nutzen den Algo-Handel, um Aktien in großen Mengen zu kaufen, wenn sie die Aktienkurse nicht mit diskreten, großvolumigen Anlagen beeinflussen möchten -term Trader und Sell-Side-Teilnehmer - Market Maker (wie Maklerhäuser), Spekulanten und Arbitrageure profitieren von der automatisierten Handelsabwicklung. Darüber hinaus trägt Algo-Trading dazu bei, den Verkäufern auf dem Markt ausreichende Liquidität zu verschaffen. Systematische Händler - Trendfolger, Hedge-Fonds oder Pair-Trader (eine marktneutrale Handelsstrategie, die eine Long-Position mit einer Short-Position in einem Paar von High-Positionen kombiniert Korrelierte Instrumente wie zwei Aktien, Exchange Traded Funds (ETFs) oder Währungen - es ist wesentlich 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 sich in Bezug auf verbesserte Einnahmen oder Kostensenkungen auszahlt. Im Folgenden sind die gängigen Handelsstrategien aufgeführt, die im Algo-Handel verwendet werden:
Trendfolgende Strategien
Die gebräuchlichsten algorithmischen Handelsstrategien folgen Trends bei gleitenden Durchschnitten, Kanalausbrüchen, Bewegungen des Preisniveaus 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 erwünschter Trends initiiert, die einfach und unkompliziert durch Algorithmen implementiert werden können, ohne in die Komplexität der Vorhersageanalyse zu geraten. Die Verwendung von 50- und 200-Tage-Durchschnittswerten ist eine beliebte Trendfolgestrategie.
Arbitrage-Möglichkeiten
Der Kauf einer börsennotierten Aktie zu einem niedrigeren Preis auf einem Markt und der gleichzeitige Verkauf zu einem höheren Preis auf einem anderen Markt bieten die Preisdifferenz als risikofreien Gewinn oder Arbitrage. Derselbe Vorgang kann für Aktien und Futures-Instrumente wiederholt werden, da von Zeit zu Zeit Preisunterschiede bestehen. Die Implementierung eines Algorithmus zum Erkennen solcher Preisunterschiede und zur effizienten Auftragserteilung bietet profitable Möglichkeiten.
Neuausrichtung des Indexfonds
Indexfonds haben Ausgleichsperioden definiert, um ihre Bestände an ihre jeweiligen Referenzindizes anzupassen. Dies schafft profitable Möglichkeiten für algorithmische Trader, die von erwarteten Trades profitieren, die 20 bis 80 Basispunkte Gewinn bieten, abhängig von der Anzahl der Aktien im Indexfonds kurz vor der Neuausrichtung des Indexfonds. 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 Delta-neutrale Handelsstrategie ermöglichen den Handel mit einer Kombination aus Optionen und dem zugrunde liegenden Wertpapier. (Delta-neutral ist eine Portfoliostrategie, die aus mehreren Positionen besteht und positive und negative Deltas ausgleicht. Hierbei handelt es sich um ein Verhältnis, das die Änderung des Preises eines Vermögenswerts, in der Regel eines marktfähigen Wertpapiers, mit der entsprechenden Änderung des Preises seines Derivats vergleicht Das Delta des betreffenden Vermögens 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 seinen Mittelwert (Durchschnittswert) zurückfällt. Das Identifizieren und Definieren einer Preisspanne und das Implementieren eines darauf basierenden Algorithmus ermöglichen die automatische Platzierung von Trades, wenn der Preis eines Vermögenswerts in die definierte Bandbreite hinein- und aus dieser herausfällt.
Volumengewichteter Durchschnittspreis (VWAP)
Die volumengewichtete Durchschnittspreisstrategie löst einen Großauftrag auf und gibt dynamisch ermittelte kleinere Teile des Auftrags unter Verwendung aktienspezifischer historischer Volumenprofile an den Markt ab. Ziel ist es, den Auftrag nahe am volumengewichteten Durchschnittspreis (VWAP) auszuführen.
Zeitgewichteter Durchschnittspreis (TWAP)
Die zeitgewichtete Durchschnittspreisstrategie bricht einen Großauftrag auf und gibt dynamisch bestimmte kleinere Teile des Auftrags unter Verwendung gleichmäßig verteilter Zeitfenster zwischen einer Start- und einer Endzeit an den Markt ab. Ziel ist es, den Auftrag nahe am Durchschnittspreis zwischen Start- und Endzeit auszuführen und so die Auswirkungen auf den Markt zu minimieren.
Volumenprozentsatz (POV)
Bis die Handelsorder vollständig ausgefüllt ist, sendet dieser Algorithmus weiterhin Teilaufträge gemäß dem festgelegten Beteiligungsverhältnis und dem auf den Märkten gehandelten Volumen. Die zugehörige „Schritte-Strategie“ sendet Aufträge mit einem benutzerdefinierten Prozentsatz des Marktvolumens und erhöht oder verringert diese Teilnahmequote, wenn der Aktienkurs ein benutzerdefiniertes Niveau erreicht.
Implementierungslücke
Die Implementierungs-Shortfall-Strategie zielt darauf ab, die Ausführungskosten eines Auftrags zu minimieren, indem der Echtzeitmarkt abgewickelt wird, wodurch die Auftragskosten gespart und die Opportunitätskosten einer verzögerten Ausführung genutzt werden. Die Strategie wird die angestrebte Beteiligungsquote erhöhen, wenn sich der Aktienkurs günstig entwickelt, und sie senken, wenn sich der Aktienkurs negativ entwickelt.
Jenseits der üblichen Handelsalgorithmen
Es gibt einige spezielle Klassen von Algorithmen, die versuchen, "Ereignisse" auf der anderen Seite zu identifizieren. Diese „Sniffing-Algorithmen“, die beispielsweise von einem Sell-Side-Market-Maker verwendet werden, verfügen über die integrierte Intelligenz, um die Existenz von Algorithmen auf der Kaufseite eines Großauftrags zu identifizieren. Eine solche Erkennung durch Algorithmen wird dem Market Maker helfen, große Auftragschancen zu identifizieren und ihnen zu ermöglichen, die Aufträge zu einem höheren Preis auszuführen. Dies wird manchmal als High-Tech-Vorreiter bezeichnet.
Technische Voraussetzungen für den algorithmischen Handel
Die Implementierung des Algorithmus mit einem Computerprogramm ist die letzte Komponente des algorithmischen Handels, begleitet von einem Backtesting (Testen des Algorithmus anhand historischer Perioden vergangener Börsenperformance, um festzustellen, 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. Die folgenden Anforderungen gelten für den algorithmischen Handel:
- Computerprogrammierkenntnisse zum Programmieren der erforderlichen Handelsstrategie, angeheuerte Programmierer oder vorgefertigte Handelssoftware. Netzwerkkonnektivität und Zugriff auf Handelsplattformen zum Platzieren von Aufträgen. Zugriff auf Marktdaten-Feeds, die vom Algorithmus auf Möglichkeiten zum Platzieren von Aufträgen überwacht werden. Die Fähigkeit und Infrastruktur, das System nach seiner Erstellung auf realen Märkten zu testen, bevor es live geht. Verfügbare historische Daten für das 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 Londoner Börse (LSE) notiert. Wir beginnen mit der Entwicklung eines Algorithmus zur Identifizierung von Arbitrage-Möglichkeiten. Hier einige interessante Beobachtungen:
- AEX wird in Euro gehandelt, während LSE in Pfund Sterling handelt. Aufgrund des Zeitunterschieds von einer Stunde wird AEX eine Stunde früher als LSE geöffnet, gefolgt von beiden Börsen, die in den nächsten Stunden gleichzeitig und in der letzten Stunde nur in LSE als gehandelt werden AEX wird geschlossen.
Können wir die Möglichkeit eines Arbitrage-Handels mit Royal Dutch Shell-Aktien untersuchen, die an diesen beiden Märkten in zwei verschiedenen Währungen notiert sind?
Bedarf:
- Ein Computerprogramm, das aktuelle Marktpreise auslesen kann. Preis-Feeds von LSE und AEX. Ein Forex-Feed (Devisenkurs) für GBP-EUR. Bestellungsfunktion, mit der die Bestellung an die richtige Börse weitergeleitet werden kann. Backtesting-Funktion für historische Kurse Einspeisungen.
Das Computerprogramm sollte Folgendes ausführen:
- Lesen Sie den eingehenden Kursfeed von RDS-Aktien von beiden Börsen. Konvertieren Sie den Kurs einer Währung mit den verfügbaren Wechselkursen in die andere. Wenn eine ausreichend große Kursdiskrepanz (Abzinsung der Maklerkosten) vorliegt, ergibt sich eine rentable Gelegenheit Das Programm sollte den Kaufauftrag an der günstigeren Börse platzieren und den Auftrag an der höherpreisigen Börse verkaufen. Wenn die Aufträge wie gewünscht ausgeführt werden, folgt der Arbitrage-Gewinn.
Simpel und einfach! Die Praxis des algorithmischen Handels ist jedoch nicht so einfach zu pflegen und auszuführen. Denken Sie daran, wenn ein Investor einen 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 Kauf-Trade ausgeführt wird, der Verkaufs-Trade jedoch nicht, weil sich die Verkaufspreise zum Zeitpunkt des Auftragseingangs auf dem Markt ändern? Dem Trader bleibt eine offene Position, die die Arbitrage-Strategie wertlos macht.
Es gibt zusätzliche Risiken und Herausforderungen wie Systemausfallrisiken, Netzwerkverbindungsfehler, Zeitverzögerungen zwischen Handelsaufträgen und Ausführung und vor allem unvollständige Algorithmen. Je komplexer ein Algorithmus ist, desto strenger muss das Backtesting durchgeführt werden, bevor es angewendet wird.
