Die Anleger trauten ihren Augen nicht als sie am 6. Mai 2010 dabei zusehen mussten wie der Dow Jones innerhalb von fünf Minuten um 573 Punkte einbrach um sich kurz darauf wieder vollständig zu erholen. Experten waren sich nach diesem sogenannten Flashcrash einig: Schuldig für diesen Kurseinbruch waren vollautomatisierte Verkaufsprogramme. Schon länger warnen sie, dass der computergesteuerte Börsenhandel (Algorithmic Trading) erhebliche Gefahren für die Stabilität der Börsen und womöglich auch für das weltweite Finanzsystem birgt. Bereits 1987 als der Dow Jones an einem Montag um 23% einbrach, machten viele Händler und Finanzprofis die zunehmende Automatisierung des Wertpapierhandels dafür verantwortlich. Damals wie auch heute konnte nicht endgültig geklärt werden wer oder was den Kurseinbruch tatsächlich aus-gelöst hat. Unumstritten ist jedoch, dass das Algorithmic Trading, also im weitesten Sinne die Automatisierung von Handelsprozessen, einen bedeutenden Einfluss auf die Börsen und den weltweiten Wertpapierhandel hat. Laut der Deutschen Börse macht der automatisierte Wertpapierhandel mittlerweile 45% am Gesamtumsatz der Xetra aus. Eine durchaus beträchtliche Zahl, die die Frage aufkommen lässt was Algorithmic Trading überhaupt ist und welche Auswirkungen der Computerhandel auf die Marktteilnehmer und den Markt an sich hat.
Inhaltsverzeichnis
1 Einleitung
2 Definition von Algorithmic Trading
3 Prozesse des Algorithmic Tradings
3.1 Buy-Side
3.2 Sell-Side
4 Buy-Side Algorithmic Trading
4.1 Technische Umsetzung
4.2 Prozesse innerhalb des Buy-Side Algorithmic Tradings
4.3 Handelsstrategien
4.3.1 Technische Analyse
4.3.2 Fundamentale Analyse
4.3.3 Statistische Arbitrage
4.4 Zusammenfassung
5 Sell-Side Algorithmic Trading
5.1 Orderformulierung
5.1.1 Benchmarkbestimmug
5.1.2 Auswahl des Ordertyps
5.2 Orderweiterleitung
5.2.1 Handelsstrategien
5.2.1.1 Benchmark nahe Strategien
5.1.1.2 liquiditätssuchende Strategien
5.2.2 Automatische Weiterleitung
6 Nutzen vs. Probleme
6.1 Nutzen
6.2 Nachteile
6.3 Auswirkungen auf Volatilität und Liquidität
7 Fazit
Zielsetzung & Themen
Die vorliegende Arbeit untersucht die Rolle des automatisierten computergesteuerten Wertpapierhandels (Algorithmic Trading) an den modernen Finanzmärkten. Ziel ist es, das Phänomen wissenschaftlich einzuordnen, die zentralen Prozesse zwischen Buy-Side und Sell-Side zu differenzieren und eine fundierte Bewertung vorzunehmen, ob die Risiken dieser Technologie die potenziellen Vorteile für Marktteilnehmer und das Finanzsystem überwiegen.
- Definition und Abgrenzung des Algorithmic Tradings von Hochfrequenzhandel und Blitzhandel.
- Analyse der prozessualen Unterschiede zwischen Buy-Side (Ordererzeugung) und Sell-Side (Orderausführung).
- Untersuchung technischer Strategien wie technischer Analyse, fundamentaler Analyse und statistischer Arbitrage.
- Evaluierung von Nutzen und Problemen im Hinblick auf Transaktionskosten, Markteffizienz und Stabilität.
- Diskussion der Auswirkungen auf Marktliquidität und Volatilität unter Einbeziehung aktueller Studien.
Auszug aus dem Buch
4.2 Prozesse innerhalb des Buy-Side Algorithmic Tradings
Aus prozessualer Sicht kann man das Buy-Side Algorithmic Trading in Informationsbeschaffung und -bereitstellung und Informationsauswertung unterteilen.21
Beim ersten Schritt geht es wie der Name sagt um das Sammeln und anschließende Aufbereiten von relevanten Informationen.22 Dabei unterscheidet man zwischen endogenen und exogenen Informationen.23 Endogene Informationen sind solche Informationen, die sich aus den Orderbüchern ablesen lassen. Dieses umfasst Informationen über die einzelnen Gebote (Preis, Volumen, Zeitpunkt, etc.) und die abgeschlossenen Transaktionen, womit es demnach die Entwicklung von Angebot und Nachfrage eines bestimmten Wertpapiers wiedergibt.24 Exogene Informationen lassen sich nicht so leicht eingrenzen, da man darunter all jene Marktdaten versteht die neben den endogenen Informationen wichtig für die Bewertung von Wertpapieren sind (z.B. Konjunkturdaten, Arbeitslosenzahlen, Leitzinsen, etc. Exogene Informationen lassen sich wiederum in historische Marktdaten und Echtzeitdaten unterscheiden.25
Nachdem endogene und exogene Daten gesammelt und aufbereitet wurden steht eine Basis zur Verfügung anhand derer die Informationsauswertung erfolgen kann. Die Informationsauswertung unterteilt sich in die Informationsverarbeitung, -bewertung und -lagerung. Der wichtigste dieser drei Teilschritte ist die Informationsbewertung, die dafür zuständig ist die vorhandenen Informationen bezüglich ihrer Nützlichkeit zu unterscheiden.26 Die nützlichen Informationen werden dann anhand bestimmter Handelsregeln nach Mustern untersucht.
Damit Algorithmic Trading Programme exogene Informationen, die sich meistens in Finanznachrichten verstecken schneller auswerten können, arbeiten die großen Nachrichtenagenturen wie Reuters und Bloomberg seit einigen Jahren an Nachrichtenformaten, die einen codeähnlichen Aufbau haben, womit die Programme diese Nachrichten innerhalb weniger Millisekunden auswerten können.27
Zusammenfassung der Kapitel
1 Einleitung: Die Einleitung erläutert die Relevanz des Themas anhand von Marktereignissen wie dem Flashcrash 2010 und definiert das Ziel, die Auswirkungen der zunehmenden Automatisierung auf die Finanzmärkte zu hinterfragen.
2 Definition von Algorithmic Trading: Dieses Kapitel liefert eine wissenschaftliche Definition und grenzt den Begriff von verwandten Feldern wie dem Hochfrequenzhandel ab, wobei zwei Hauptprozesse – Ordererzeugung und Orderausführung – identifiziert werden.
3 Prozesse des Algorithmic Tradings: Hier werden die Rollenverteilungen zwischen Agency Trading (Sell-Side) und Proprietary Trading (Buy-Side) eingeführt, um das theoretische Grundgerüst der Arbeit zu bilden.
4 Buy-Side Algorithmic Trading: Es wird die technische Umsetzung sowie der Prozess der Informationsverarbeitung und die Anwendung verschiedener Handelsstrategien bei der Generierung von Kauf- und Verkaufssignalen beleuchtet.
5 Sell-Side Algorithmic Trading: Dieser Abschnitt beschreibt die operative Ausführung von Orders, inklusive Benchmark-Wahl, Orderzusätzen und den Systemen OMS und EMS, um Transaktionskosten zu minimieren.
6 Nutzen vs. Probleme: Dieses Kapitel wägt die Vorteile wie Zeitersparnis und Handelsdisziplin gegen Risiken wie Intransparenz und Volatilität ab, gestützt auf wissenschaftliche Erkenntnisse.
7 Fazit: Das Fazit fasst zusammen, dass die Vorteile des algorithmischen Handels überwiegen, betont jedoch die notwendige Rolle des Menschen als Kontrollinstanz und fordert mehr Transparenz und Regulierung.
Schlüsselwörter
Algorithmic Trading, Hochfrequenzhandel, Buy-Side, Sell-Side, Orderausführung, Ordererzeugung, Market Impact, Volatilität, Liquidität, Technische Analyse, Fundamentale Analyse, Arbitrage, Börsencrash, Behavioral Finance, Finanzmärkte.
Häufig gestellte Fragen
Worum geht es in dieser wissenschaftlichen Arbeit grundlegend?
Die Arbeit analysiert das Algorithmic Trading, also die Automatisierung von Handelsprozessen an Börsen, und untersucht deren Einfluss auf die Marktteilnehmer sowie die Stabilität des Finanzsystems.
Welche zentralen Themenfelder werden abgedeckt?
Die Schwerpunkte liegen auf der Differenzierung zwischen Buy-Side (Ordererzeugung) und Sell-Side (Orderausführung), technischen Umsetzungen, Handelsstrategien und den Auswirkungen auf Marktvolatilität und Liquidität.
Was ist das primäre Ziel der Untersuchung?
Das Ziel ist die Beantwortung der Forschungsfrage, ob die Gefahren des computergesteuerten Handels die Vorteile überwiegen und ob der Mensch an der Börse zukünftig vollständig ersetzt werden könnte.
Welche wissenschaftliche Methode wird in dieser Arbeit verwendet?
Es handelt sich um eine Literaturanalyse, die verschiedene theoretische Konzepte, Definitionen und empirische Studien (z. B. zu Markteffekten und Volatilität) gegenüberstellt und zusammenfasst.
Was wird im Hauptteil der Arbeit detailliert behandelt?
Der Hauptteil gliedert sich in die Analyse der Buy-Side Prozesse (Strategieentwicklung) und Sell-Side Prozesse (optimale Orderausführung) sowie eine kritische Abwägung der Vor- und Nachteile von Trading-Algorithmen.
Welche Schlüsselbegriffe charakterisieren die Arbeit?
Zentrale Begriffe sind Algorithmic Trading, Marktliquidität, Market Impact, Transaktionskosten, Hochfrequenzhandel, Buy-Side, Sell-Side sowie verschiedene Analyseformen wie technische und fundamentale Strategien.
Warum spielt die Unterscheidung zwischen Buy-Side und Sell-Side eine so wichtige Rolle?
Die Unterscheidung verdeutlicht die funktionale Trennung zwischen der Entscheidung, *was* gehandelt werden soll (Buy-Side), und der effizienten, kostengünstigen Ausführung dieses Vorhabens an der Börse (Sell-Side).
Welche Schlussfolgerung zieht der Autor bezüglich der Rolle des Menschen?
Der Autor kommt zu dem Schluss, dass der Mensch trotz der Überlegenheit von Algorithmen bei Geschwindigkeit und Disziplin als überwachender Faktor in Kontrollmechanismen unverzichtbar bleibt.
- Quote paper
- Nicolas Knecht (Author), 2011, Algorithmic Trading - Fluch oder Segen?, Munich, GRIN Verlag, https://www.hausarbeiten.de/document/182911
