Algorithmischer Handel (oder "algo" -Handel) bezieht sich auf die Verwendung von Computeralgorithmen (im Grunde genommen ein Satz von Regeln oder Anweisungen, mit denen ein Computer eine bestimmte Aufgabe ausführt), um große Aktienblöcke oder andere finanzielle Vermögenswerte zu handeln und gleichzeitig die Auswirkungen auf den Markt zu minimieren handelt. Beim algorithmischen Handel werden Trades anhand definierter Kriterien platziert und in kleinere Lots aufgeteilt, sodass der Kurs der Aktie oder des Vermögenswerts nicht wesentlich beeinflusst wird.
Die Vorteile des algorithmischen Handels liegen auf der Hand: Er stellt die "beste Ausführung" von Trades sicher, da er das menschliche Element minimiert, und er kann verwendet werden, um mehrere Märkte und Vermögenswerte weitaus effizienter zu handeln, als es sich ein Fleisch-und-Knochen-Trader erhoffen könnte. (Lesen Sie dazu: Grundlagen des algorithmischen Handels: Konzepte und Beispiele ).
Was ist algorithmischer Hochfrequenzhandel?
Der Hochfrequenzhandel (HFT) bringt den algorithmischen Handel auf eine ganz andere Ebene - stellen Sie sich das als Algo-Handel mit Steroiden vor. Wie der Begriff schon sagt, bedeutet Hochfrequenzhandel, Tausende von Aufträgen mit erstaunlich hoher Geschwindigkeit zu platzieren. Das Ziel ist es, mit jedem Trade winzige Gewinne zu erzielen, indem häufig Preisunterschiede für dieselbe Aktie oder denselben Vermögenswert in verschiedenen Märkten ausgenutzt werden. HFT unterscheidet sich diametral von traditionellen langfristigen Buy-and-Hold-Investitionen, da die Arbitrage- und Market-Making-Aktivitäten von HFT in der Regel innerhalb eines sehr kurzen 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 zählen die wachsende Rolle der Technologie in den heutigen Märkten, die zunehmende Komplexität von Finanzinstrumenten und -produkten sowie das unablässige Bestreben, die Handelsabwicklung effizienter zu gestalten und die Transaktionskosten zu senken. Algorithmischer Handel und HFT haben zwar die Marktliquidität und die Beständigkeit der Vermögenspreisgestaltung verbessert, ihre zunehmende Verwendung hat jedoch auch zu bestimmten Risiken geführt, die nicht ignoriert werden können, wie im Folgenden erläutert wird.
Das größte Risiko: Verstärkung des Systemrisikos
Eines der größten Risiken der algorithmischen HFT ist dasjenige, das sie für das Finanzsystem darstellt. In einem Bericht des Technischen Komitees der Internationalen Organisation für Wertpapieraufsicht (IOSCO) vom Juli 2011 wurde festgestellt, dass aufgrund der starken Verflechtungen zwischen Finanzmärkten wie denjenigen in den USA Algorithmen, die über Märkte hinweg arbeiten, Schocks schnell von einem Markt zum nächsten übertragen können Dies verstärkt das systemische Risiko. Der Bericht wies auf den Flash Crash vom Mai 2010 als ein Paradebeispiel für dieses Risiko hin.
Der Flash-Crash bezieht sich auf den Rückgang und die Erholung der wichtigsten US-Aktienindizes um 5% -6% innerhalb weniger Minuten am Nachmittag des 6. Mai 2010. Der Dow Jones stürzte im Tagesverlauf fast 1.000 Punkte ein, was zu diesem Zeitpunkt der Fall war Zeit war der größte Rückgang der Punkte seit Bestehen. Wie der IOSCO-Bericht feststellt, gingen an diesem Tag zahlreiche Aktien und börsengehandelte Fonds (ETFs) durcheinander und fielen zwischen 5% und 15%, bevor die meisten ihrer Verluste aufgeholt wurden. Über 20.000 Trades mit 300 Wertpapieren wurden zu Preisen getätigt, die nur einen Moment zuvor um bis zu 60% von ihren Werten entfernt waren. Einige Trades wurden zu absurden Preisen ausgeführt, von einem Cent bis zu 100.000 US-Dollar. Diese ungewöhnlich unberechenbare Handelsaktion brachte die Anleger durcheinander, insbesondere, weil sie etwas mehr als ein Jahr nach dem Abprall der Märkte von den größten Rückgängen seit mehr als sechs Jahrzehnten stattfand.
Hat "Spoofing" zum Absturz von Flash 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 einen Händler eines in Kansas ansässigen Investmentfondsunternehmens für einen einzigen Programmhandel in Höhe von 4, 1 Mrd. USD verantwortlich. Im April 2015 beschuldigten die US-Behörden einen in London ansässigen Tageshändler, Navinder Singh Sarao, Marktmanipulationen, die zum Absturz beigetragen hatten. 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 von Fälschungen in einen Vermögenswert oder ein Derivat eingegeben werden (Sarao verwendete den E-mini S & P 500-Vertrag am Tag des Flash-Absturzes), die abgebrochen werden, bevor sie ausgeführt werden. Wenn solche groß angelegten Scheinaufträge im Auftragsbuch auftauchen, erwecken sie den Eindruck, dass es ein größeres Kauf- oder Verkaufsinteresse als in der Realität gibt, das ihre eigenen Handelsentscheidungen beeinflussen könnte.
Zum Beispiel kann ein Spoofer anbieten, eine große Anzahl von Aktien von ABC zu einem Preis zu verkaufen, der ein wenig vom aktuellen Preis abweicht. Wenn andere Verkäufer aktiv werden 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 ab, 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 bricht die falschen Kaufaufträge ab. Spülen und wiederholen.
Viele Marktbeobachter standen der Behauptung skeptisch gegenüber, dass ein Trader eines Tages im Alleingang einen Crash verursacht haben könnte, der den Marktwert von US-Aktien in der Nähe von einer Billion Dollar innerhalb von Minuten auslöschte. Aber ob Saraos Aktion tatsächlich den Flash-Absturz verursacht hat, ist ein Thema für einen anderen Tag. In der Zwischenzeit gibt es einige triftige Gründe, warum algorithmische HFT das Systemrisiko erhöht.
Warum verstärkt algorithmische HFT das Systemrisiko?
Algorithmische HFT verstärkt das systemische Risiko aus einer Reihe von Gründen.
- Intensivierung der Volatilität: Erstens ist der Versuch, die Konkurrenz zu überlisten, eine eingebaute Eigenschaft der meisten Algorithmen, da es auf den heutigen Märkten viel algorithmische HFT-Aktivität gibt. Algorithmen können sofort auf Marktbedingungen reagieren. Infolgedessen können Algorithmen in turbulenten Märkten ihre Geld-Brief-Spreads erheblich ausweiten (um nicht gezwungen zu sein, Handelspositionen einzugehen) oder den Handel vorübergehend ganz einstellen, was die Liquidität verringert und die Volatilität verschärft. Welligkeitseffekte: Angesichts des zunehmenden Integrationsgrades zwischen Märkten und Anlageklassen in der Weltwirtschaft wirkt sich eine Kernschmelze in einem wichtigen Markt oder einer Anlageklasse häufig in einer Kettenreaktion auf andere Märkte und Anlageklassen aus. Beispielsweise löste der US-Immobilienmarktcrash eine weltweite Rezession und Schuldenkrise aus, 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: Algorithmisches HFT trägt in erheblichem Maße zu einer übertriebenen Marktvolatilität bei kann die Unsicherheit der Anleger kurzfristig schüren und das Verbrauchervertrauen langfristig beeinträchtigen. 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-Firmen) ihre Handelspositionen reduzieren, um das Risiko zu verringern und den Druck auf die Märkte zu erhöhen. Wenn sich die Märkte 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 Börsenvermögens und die Rezessionssignale, die von einem starken Zusammenbruch des Marktes ausgehen, erschüttert.
Andere Risiken der algorithmischen HFT
- Fehlerhafte Algorithmen: Die überwältigende 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 anrichten kann, ist der von Knight Capital, einem Market Maker, der am 1. August 2012 in 45 Minuten 440 Millionen Dollar verloren hat 150 Aktien, die zum höheren Briefkurs gekauft und sofort zum niedrigeren Geldkurs verkauft werden. (Beachten Sie, dass Market Maker Aktien von Anlegern zum Geldkurs kaufen und zum Angebotspreis verkaufen, wobei der Spread ihr Handelsgewinn ist. Weitere Informationen finden Sie unter : Die Grundlagen des Bid-Ask-Spread ). Leider bedeutete die Hypereffizienz der algorithmischen HFT, bei der Algorithmen die Märkte ständig auf solche Preisunterschiede hin überwachen, dass konkurrierende Händler in das Dilemma von Knight eindrangen und es ausnutzten, während die Mitarbeiter von Knight verzweifelt versuchten, die Ursache des Problems zu lokalisieren. Zu diesem Zeitpunkt war Knight kurz vor dem Konkurs, was schließlich zur Übernahme durch Getco LLC führte. Große Verluste für Anleger: Volatilitätsschwankungen, die durch algorithmische HFT verschlechtert werden, können Anleger mit großen Verlusten überraschen. Viele Anleger platzieren routinemäßig Stop-Loss-Orders auf ihren Aktienbeständen in einer Höhe, die 5% von den aktuellen Handelspreisen entfernt ist. Wenn die Märkte ohne ersichtlichen Grund (oder sogar aus einem sehr guten Grund) nachgeben, würden diese Stop-Losses ausgelöst. Um die Schädigung zusätzlich zu belasten, hätten Anleger unnötigerweise Handelsverluste hinnehmen müssen und ihre Bestände verloren, wenn sich die Aktien in kurzer Zeit erholt hätten. Während einige Trades aufgrund ungewöhnlicher Marktvolatilitäten wie Flash Crash und Knight-Fiasko storniert oder storniert wurden, war dies bei den meisten Trades nicht der Fall. Die meisten der fast zwei Milliarden Aktien, die während des Flash-Crashs gehandelt wurden, befanden sich zu Kursen innerhalb von 10% ihres 14: 40-Schlusskurses (dem Zeitpunkt, an dem der Flash-Crash am 6. Mai 2010 begann), und diese Trades blieben bestehen. Nur etwa 20.000 Trades mit insgesamt 5, 5 Millionen Aktien, die zu Preisen ausgeführt wurden, die mehr als 60% von ihrem Preis um 14:40 Uhr entfernt waren, wurden anschließend annulliert. Ein Investor mit einem Aktienportfolio von 500.000 USD aus US-amerikanischen Blue Chips, der während des Flash-Crashs 5% Stop-Loss auf seinen Positionen hatte, würde höchstwahrscheinlich 25.000 USD verlieren. Am 1. August 2012 stornierte die NYSE den Handel mit sechs Aktien, die bei Ausführung des Knight-Algorithmus amokliefen, weil sie zu Preisen ausgeführt wurden, die 30% über oder unter dem Eröffnungskurs dieses Tages lagen. Die Regel "Offensichtlich fehlerhafte Ausführung" der NYSE enthält die numerischen Richtlinien für die Überprüfung solcher Abschlüsse. (Siehe: Die Gefahren des Programmhandels ). Vertrauensverlust in die Marktintegrität: Anleger handeln auf 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 technologische Probleme und verspätete Bestätigungen, während Nasdaq am 22. August 2013 den Handel wegen eines Problems mit seiner Software für drei Stunden einstellte. Im April 2014 mussten knapp 20.000 fehlerhafte Trades aufgrund einer Computerfehlfunktion an den beiden US-Optionsbörsen der IntercontinentalExchange Group storniert 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- und Ritterhandel "Knightmare", der die Risiken algorithmischer HFT hervorhebt, haben Börsen und Aufsichtsbehörden Schutzmaßnahmen ergriffen. Im Jahr 2014 führte die Nasdaq OMX Group einen "Kill Switch" für ihre Mitgliedsunternehmen ein, der den Handel unterbrechen würde, sobald ein voreingestelltes Risikopositionsniveau überschritten wird. Während viele HFT-Firmen bereits "Kill" -Schalter haben, die unter bestimmten Umständen alle Handelsaktivitäten stoppen können, bietet der Nasdaq-Schalter ein zusätzliches Sicherheitsniveau, um unerwünschten Algorithmen entgegenzuwirken.
Leistungsschalter wurden nach dem "Schwarzen Montag" im Oktober 1987 eingeführt und werden verwendet, um die Marktpanik zu unterdrücken, wenn ein großer Abverkauf erfolgt. 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, wodurch der marktweite Handel für 15 Minuten gestoppt wird. Ein Einbruch von 13% vor 15:25 Uhr würde einen weiteren 15-minütigen Stopp auf dem gesamten Markt 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 schreiben vor, dass diese Unternehmen Risikokontrollen vor dem Handel durchführen müssen, während eine umstrittene Bestimmung vorschreibt, dass sie den Quellcode ihrer Programme der Regierung auf Anfrage zur Verfügung stellen müssen.
Die Quintessenz
Algorithmische HFT birgt eine Reihe von Risiken, von denen das größte das Potenzial zur Verstärkung des systemischen Risikos ist. Die Tendenz 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.
