Welche Bedeutung hat das Algo-Trading?
Algo-Trading (wird auch als automatisches Trading, automatisiertes Trading benannt) bezeichnet den automatisierten Kauf und Verkauf von Wertpapieren, wie etwa Aktien, Futures oder ETFs, durch Computerprogramme. Diese Computerprogramme folgen einem fest definierten Satz von Anweisungen (Algorithmen), um Positionen einzugehen oder zu verkaufen. (Ein Algorithmus sind eindeutig definierte Schritt-für-Schritt-Anweisungen von durchzuführenden Operationen.)
Noch vor 35 Jahren war der Aktienhandel primär eine auf Papier basierende Tätigkeit. Man musste auf dem Parkett anwesend sein, um Aktien kaufen und verkaufen zu können. Die Börse von Toronto führte 1977 als erste Börse Amerikas den computergestützten Handel ein.
Seitdem haben sich der Handel an den Börsen massiv verändert. Die Abfolge von Trading-Geschäften kann mittlerweile so schnell hintereinander ausgeführt werden, dass dies für einen Menschen eine große Überforderung darstellen würde und somit manuell nicht mehr durchführbar ist. Durch die größere Handelsaktivität des computergestützten Handels erhöhte sich auch die Volatilität der Kurse.
Beim Algo-Trading überprüfen Algorithmen permanent Marktpreise und handeln nach einem festgelegten Satz von Bedingungen. Der Prozess des Algo-Tradings kann sowohl vollautomatisch als auch halbautomatisch stattfinden. Beim halbautomatischen Tradign werden nur Signale generiert. Der Trader überprüft diese Signale und entscheidet danach selbst, welchen Handelsempfehlungen er folgen möchte.
Sehen wir uns ein einfaches Beispiel für vollautomatisches Algo-Trading an. Angenommen, die Regel lautet:
a) Kaufe zwei Future-Kontrakte, wenn der gleitende 34-Tage-Durchschnitt (durchschnittlicher Wert der vergangenen 34 Datenpunkte) über den gleitenden 89-Tage-Durchschnitt steigt.
b) Verkaufe zwei Future-Kontrakte, wenn der gleitende 34-Tage-Durchschnitt unter den gleitenden 89-Tage-Durchschnitt fällt.
Mit Hilfe dieser beiden Kriterien überwacht das Algo-Trading automatisch den Preis des zugrundeliegenden Futures. Kauf- und Verkaufsaufträge werden aufgrund der Regeln automatisch an der Börse platziert. Der Trader muss also beim Algo-Trading nicht ständig vorm Computer sitzen und Charts beobachten. Das System handelt automatisch und sollte natürlich von Zeit zu Zeit überprüft werden.
Es gilt allerdings die Begriffe sauber zu trennen. Automatisierte Handel wird häufig mit dem algorithmischen Handel verwechselt. Automatisierter Handel ist die vollkommene Automatisierung des Handelsprozesses. Entscheidungen über Kauf und Verkauf werden alleine durch Computerprogramme getroffen. Der Auftrag wird automatisch erstellt, an den Markt weitergegeben und dort ausgeführt. Automatisierte Handelssysteme werden oft von Hedge-Fonds genutzt, die proprietäre Ausführungsalgorithmen verwenden und über einen Direct-Market Access (DMA) verfügen.
Der Hochfrequenzhandel (HFT) ist ein Teilbereich des automatisierten Handels. Im Hochfrequenzhandel wird eine sehr große Anzahl von Aufträgen innerhalb von Sekundenbruchteilen ausgeführt. Verdient wird mit dem schieren Volumen an Aufträgen, die oft nur kleine Gewinne erwirtschaften. Dabei ist es unbedingt erforderlich, dass der Hochfrequenzhandel über eine superschnelle Anbindung an die elektronischen Märkte verfügt, um die Ausführungszeit zu verkürzen. Dazu werden oft Standleitungen benutzt.
Algorithmische Handelssysteme kann man als Architektur beschreiben, die aus vier Komponenten besteht:
a) die Daten-Komponente,
b) die Modell-Komponente,
c) die Ausführungskomponente und
d) die Monitorkomponente.
1. Die Daten-Komponente beim Algo-Trading
Algo-Trading Systeme (oder algorithmische Handelssysteme) können sowohl strukturierte Daten als auch unstrukturierte Daten. Wenn Daten nach einer vorher festgelegten Struktur organisiert sind, handelt es sich um strukturierte Daten (wie zum Beispiel eine Excel-Tabelle, CSV-Dateien, XML-Dateien oder SQL Datenbanken).
Marktdaten einer Börse wie End-of-Day-Daten oder Intraday-Daten sowie Volumendaten liegen im Normalfall in einem strukturierten Format vor. Wirtschafts- und Finanzdaten von Unternehmen werden ebenfalls in einem strukturierten Format zur Verfügung gestellt.
Von unstrukturierten Daten spricht man, wenn diese nicht nach einem vorgegebenen Muster organisiert sind (zum Beispiel Nachrichten, Social-Media-Feeds, Videos oder Audio). Solche unstrukturierten Daten sind wesentlich aufwändiger in der Verarbeitung. Sie erfordern oft spezielle Datenanalyse- und Data-Mining-Techniken, um sie im Rahmen von Machine Learning einsetzen zu können. Es erfordert zwar viel Aufwand, doch hat die Nutzung von Nachrichten und Daten aus sozialen Netzwerken im Handel mittlerweile zu sehr validen Vorhersagetools geführt. Die meisten dieser Tools basieren auf künstliche Intelligenz und insbesondere neuronalen Netzwerken.
2. Die Modell-Komponente
Ein Modell ist ein mathematisches Konzept der Welt, wie sie vom Algorithmischen Handelssystem wahrgenommen wird. Finanzmodelle stellen dar, wie das algorithmische Handelssystem glaubt, dass bestimmte Märkte funktionieren. Jedes Modell will daraus Rückschlüsse auf die Märkte ziehen, um Handelssignale zu erkennen und Handelsentscheidungen treffen zu können.
Modelle können mit Hilfe verschiedener Methoden und Techniken erstellt werden. Das Ziel ist es, den scheinbar erratischen Verlauf von Daten in ein quantifizierbares Regelwerk zu reduzieren, so dass man daraus Prämissen ableiten kann. Man unterscheidet dabei mathematische Modelle, Fuzzy-Logik-Systeme, Entscheidungsbäume, Induktionsregelsätze und Deep Learning.
3. Die Ausführungskomponente beim Algo-Trading
Diese Komponente ist für die Ausführung der im Modell identifizierten Handelssignale verantwortlich. Die Komponente muss sowohl funktionale als auch nicht-funktionalen Anforderungen von Algo-Trading-Systemen erfüllen. Die Geschwindigkeit und die Frequenz der Ausführung muss den Handelssignalen entsprechen. Daher muss die Ausführungskomponente unter dem geringstmöglichen Zeitverlust mit der Handelsplattform verbunden sein.
4. Die Monitor-Komponente
Künstliche Intelligenz lernt mit mathematische Funktionen, die die Leistung eines algorithmischen Handelssystems quantifizieren. Im Finanzsektor werden die Treynor-Ratio, die Sharpe-Ratio und die Sortino-Ratio zur Berechnung der risikobereinigten Rendite verwendet. Die Systeme werden so konzipiert, dass sie versuchen, eine oder mehrere dieser Ratios zu maximieren. Da die Märkte aber dynamisch verlaufen, ist es möglich, dass ein Modell, das auf der Basis von Trainingsdaten funktioniert hat, im realen Handel scheitert.
Daher sollte das algorithmische Handelssystem idealerweise die Modelle mit Informationen über die Modelle selbst trainieren. Das ermöglicht es den Modellen, sich an sich verändernde Rahmenbedingungen anzupassen, sich quasi selbst zu kalibrieren.
Welche Vorteile bietet der Handel mit Hilfe von Algorithmen?
Das Algo-Trading bietet folgende Vorteile:
- Der Algo-Handel bietet einen systematischeren Ansatz für das Trading – im Gegensatz zu diskretionären Trader, die oft auch auf der Basis von Intuition oder Instinkt handeln.
- Menschliche Fehler basierend auf emotionalen oder psychologischen Faktoren werden vermieden.
- Die Platzierung von Aufträgen erfolgt unmittelbar nach Erkennen eines Handelssignals – ohne Wenn und Aber.
- Damit besteht eine hohe Wahrscheinlichkeit der Ausführung auf dem gewünschten Preislevel.
- Auch Verkäufe werden streng nach Regelwerk ausgeführt, die Gefahr des Verschleppens von Verlustgeschäften droht hier nicht.
- Viele Broker bieten für das Algo-Trading bessere Preiskonditionen an, es entstehen damit geringere Transaktionskosten.
- Die Zahl von zu überprüfenden Indikatoren kann um einiges erweitert werden, womit das Algo-Trading der menschlichen Analysefähigkeit überlegen ist.
- Es ist möglich, ein aufgestelltes Regelwerk anhand von historischen Daten auf seine Leistungsfähigkeit hin zu überprüfen – auch wenn Ergebnisse aus der Vergangenheit keine Garantie für zukünftige Gewinne ist, kann man daraus doch einige statistische Daten ablesen. In Kombination mit einem streng wissenschaftlichen Backtesting (Out of Sample) können Leistungsdaten des Systems ermittelt werden.
In welchem Zeitrahmen wird der Algo-Handel eingesetzt?
Der Algo-Handel wird in zahlreichen Formen eingesetzt.
- Mittel- bis langfristige Investitionen (zum Beispiel bei Fonds oder Versicherungsgesellschaften)
- Kurzfristig agierende Händler (wie zum Beispiel Market Maker, Spekulanten)
- Systematische Händler (zum Beispiel Hedge-Fonds
Strategien beim Algo-Trading
Jede Strategie beim Algo-Trading basiert auf einem fest definierten Regelsatz. Dies sind die häufigsten Handelsansätze:
1. Trendfolge-Strategien beim Algo-Trading
Trendfolge ist eine Handelsstrategie, die versucht, Gewinne durch die Analyse der Dynamik eines Vermögenswertes in eine Trendrichtung zu erzielen. Danach sollte man zum Beispiel Aktien dann kaufen, wenn der Preistrend nach oben geht. Umgekehrt sollte man die Aktien verkaufen, wenn der Preis nach unten geht. Trendfolge-Strategien basieren auf der Erwartung, dass sich eine Preisbewegung fortsetzt.
Aufwärtstrends sind gekennzeichnet durch eine Reihe von höheren Swing-Hochs und höheren Swing-Tiefs. Abwärtstrends sind gekennzeichnet durch eine Reihe von tieferen Swing-Hochs und niedrigeren Swing-Tiefs. Abgesehen von diesen reinen Preisbewegungen nutzen Trend-Trader auch Indikatoren wie Trendlinien, gleitende Durchschnitte (zum Beispiel SMA, EMA) oder Oszillatoren (wie einen Stochastik-Indikator oder RSI), um Trends zu erkennen und Ein- oder Ausstiegssignale zu identifizieren.
Viele Händler – sowohl Anfänger als auch Profis – verlassen sich Trendfolge-Strategien. Gerade für Anfänger gehören sie zu den besser geeigneten Strategien, da sie relativ leicht umzusetzen sind.
2. Strategien auf der Basis von mathematischen Modellen
Strategien auf der Basis von bewährten mathematischen Modellen sind ideal für die Umsetzung mit Algo-Trading Handelssystemen. Ein Beispiel dafür sind Delta-neutrale Strategien.
Delta-neutrale Strategien sind Optionsstrategien. Sie sind konzipiert um Positionen zu schaffen, die wahrscheinlich nicht von kleinen Kursbewegungen eines Wertpapiers betroffen sind. Dies wird erreicht, indem sichergestellt wird, dass der Gesamt-Deltawert einer Position so nahe wie möglich bei Null liegt.
Delta-neutrale Strategien haben das Ziel, sich einer neutralen Delta-Position anzunähern. Sie werden im Normalfall für einen von drei Hauptzwecken verwendet:
- um vom Zeitverfall oder von der Volatilität zu profitieren,
- um eine bestehende Position abzusichern und
- um gegen kleine Preisbewegungen zu schützen.
3. Arbitrage-Geschäfte beim Algo-Trading
Arbitrage ist die Strategie Preisunterschiede auf verschiedenen Märkten auszunutzen. Es wird zum Beispiel eine doppelt notierte Aktie zu einem niedrigen Preis ein einem Markt gekauft. Gleichzeitig wird in einem anderen Markt zu einem höheren Preis verkauft. Daraus resultiert ein risikofreier Gewinn oder Arbitrage. Das heißt, dass ein Trader vom Preisunterschied einer Aktie auf zwei verschiedenen Märkten profitiert. Es bestehen des Öfteren auch solche Preisunterschiede bei Aktien- und Futures-Instrumente. Werden solche Preisunterschiede von einem Algorithmus identifiziert, ergeben sich daraus profitable Handelsmöglichkeiten.
4. Mean Reversion
Der Mean-Reversion-Strategie liegt die Idee zugrunde, dass die Kurse auf ein langfristiges Niveau zurückkehren. Wenn es also zu einem Preisschock kommt (unerwarteter Sprung, entweder nach oben oder nach unten), kehren die Preise zurück oder kehren schließlich zu dem Niveau vor dem Schock zurück. Die Zeit, die bis zur Rückkehr benötigt wird, wird oft als die Zeit bis zum Rückfall bezeichnet. Wenn der Prozess sehr hartnäckig ist, kann es sehr lange dauern, bis der Mittelwert wieder erreicht wird.
Das Identifizieren und Definieren einer Preisspanne und die Implementierung eines darauf basierenden Algorithmus ermöglicht die automatische Platzierung von Geschäften, wenn der Preis eines Vermögenswerts in seine definierte Spanne hinein- und aus ihr herausbricht.
5. Volumengewichteter Durchschnittspreis (VWAP)
Beim VWAP handelt es sich um den volumengewichteten Durchschnittspreis eines Vermögenswerts für einen bestimmten Zeitraum. Der VWAP ist ein aussagekräftiger Indikator, der von vielen institutionellen Analysten und Anlegern verwendet wird. Viele Händler sind der Ansicht, dass das Volumen eine sehr wichtig Metrik darstellt. Der VWAP kann kann einen Hinweis auf den vorherrschenden Markttrend sowie auf wichtige Bereiche der Liquidität geben.
Für diejenigen, die an einem eher passiven, längerfristigen Anlagestil interessiert sind, kann der VWAP als Benchmark für die aktuellen Marktaussichten herangezogen werden. Eine einfache Strategie kann darin bestehen, nur Vermögenswerte zu kaufen, die unterhalb ihrer VWAP-Linie liegen, was darauf hindeutet, dass sie potenziell unterbewertet sind.
Es ist auch möglich, den Preis, der die VWAP-Linie überquert, als Signal für den Einstieg in einen Handel zu nutzen. Wenn der Preis die VWAP-Linie durchbricht, kann man eine Long-Position eingehen. Umgekehrt kann man eine Short-Position eingehen, wenn der Preis den VWAP durchbricht und unter den VWAP fällt.
Technische Voraussetzungen für das Algo-Trading
Der Algorithmus wird mit Hilfe eines Computerprogramms implementiert. Unser Team von KI Trading Solutions programmiert die gewünschte Handelsstrategie nach Ihren Vorstellungen.
Danach erfolgt eine ausführliche Phase des Backtestens. Dabei wendet der Algorithmus die programmierte Handelsstrategie auf historische Kursdaten an. Es müssen also historische Daten zu Testzwecken eingebunden werden. Ziel dabei ist es, zu überprüfen, ob der Algorithmus in der Vergangenheit profitabel gehandelt hätte. Wir werden das Verfahren des Backtesting an anderer Stelle ausführlich darstellen.
Sollte das Backtesting erfolgversprechend verlaufen, wird in einem nächsten Schritt der Algorithmus an eine Handelsplattform angeschlossen, mit der man Zugang zu realen Marktdaten hat. Auf Basis dieser Marktdaten sollte zunächst einmal eine ausgedehnte Phase des Handels mit einem Demokonto (Papertrading) erfolgen.