Algorithmischer Handel – die 3 wichtigsten Strategien

Zum Mitnehmen

• Entgegen der landläufigen Meinung sind quantitative Handelsstrategien (algorithmischer Handel) “klare Kisten”, d. h. jeder kann sie leicht verstehen.
• “Quants” (algorithmische Händler) nutzen Mathematik und Informatik, um ihre Anlageideen umzusetzen.
• Der Wert, den ein Quant einem Fonds gegenüber einem Referenzindex verleiht, ist das Alpha des Fonds.
• Das Herzstück eines jeden quantitativen Handelssystems ist die Quelle und die Art der Daten, die es verwendet.
• Die Computertechnologie ist zwar leistungsstark, aber ohne genaue Anweisungen von Menschen mit einer klaren Vision davon, was sie erreichen wollen, ist sie wertlos.
  Jegliche Fehler bei der Einrichtung eines quantitativen Handelssystems werden fest kodiert und werden sich wiederholen.
• Ein algorithmisches Handelssystem besteht aus fünf miteinander verknüpften Modellen: “Alpha, Risiko, Handelskosten, Portfoliokonstruktion und Ausführung”.
• Der Großteil der Kritik am quantitativen Handel ist ungerechtfertigt.
• Die meisten Studien zeigen, dass der algorithmische Handel die Liquidität der Märkte erhöht, nicht aber die Volatilität.
• Anleger sollten vor einer Investition eine angemessene Due-Diligence-Prüfung der Quant-Manager und ihrer Strategien durchführen.

Zentraler computerprozessor mit neonlicht-integrierter mikrochip-leiterplatte für server / Bild von svstudioart auf Freepik

Auf der Suche nach Alpha

Quantitative Handelsstrategien nutzen Computertechnologie und mathematische Modelle, um Handelsmöglichkeiten zu erkennen und zu nutzen, um Alpha zu erzielen, d. h. “Renditen, die langfristig unabhängig von der Richtung eines Marktes auf lange Sicht” sind. Um Alpha zu erreichen, müssen die Händler quantitativer Strategien – genannt “Quants” – Wege finden, um Nettorenditen zu erzielen, die über das hinausgehen, was Anleger erhalten hätten, wenn sie
wenn sie einfach einen Aktienindex gekauft hätten.

“Quantitative Handelsstrategien sind … klare Boxen, die in den meisten Fällen viel leichter zu verstehen sind als die Launenhaftigkeit, die den meisten menschlichen Entscheidungen innewohnt.”

Traditionelle Vermögensverwalter treffen diese Entscheidungen in der Regel nach eigenem Ermessen. Der Unterschied den Quants von diesen “diskretionären Händlern” unterscheidet, ist die Art und Weise, wie Quants ihre Strategien entwickeln und ausführen, nicht unbedingt
die Strategien selbst. Quants verwenden Computer und Algorithmen; diskretionäre Händler treffen “Entscheidungen von Emotionen, Disziplinlosigkeit, Leidenschaft, Gier und Angst getrieben”.

“Wenn sowohl die Frage, welche Positionen man besitzen sollte, als auch die Frage, wie viel man von jeder Position besitzen sollte, normalerweise systematisch beantwortet werden, ist das ein Quant. Wenn eine der beiden Fragen von einem Menschen beantwortet wird, ist es kein Quant.”

Anleger, Manager und Händler, die sich bei der Umsetzung von Strategien auf Ermessens-spielräume verlassen, neigen dazu, mentale Abkürzungen oder Verhaltensmusterzu befolgen, wie z. B. das Festhalten an fallenden Aktien. Beim quantitativen Handel führen Computer die Befehle auf der Grundlage wichtiger menschlicher Eingaben – in Form von gründlicher Recherche, Software-programmierung und Systemdesign – sachlich aus.
Menschliche Fehler in der Vorbereitungsphase können jedoch zu Strategien führen, die irgendwann in der Zukunft spektakulär scheitern. Zum Beispiel die quantitativen Modelle, die von den Banken zur Prüfung verbriefter Hypotheken verwendet wurden, schlossen die Möglichkeit eines massenhaften Hypothekenausfalls, wie der, der die Finanzkrise 2008 ausgelöst hat, aus.

Risiken und Methoden

Kein quantitatives Handelssystem kann “exogene Schocks” berücksichtigen, die den Markt beeinflussen, wie z.B. die Terroranschläge vom 11. September 2001, da diese Informationen nicht in den Marktdaten enthalten sind, die das System verarbeitet. In diesen Fällen kann der Quant das System außer Kraft setzen. Das Risiko des Scheiterns besteht aus zwei Teilen:
Erstens kann es zu Verlusten kommen, wenn zu viele Quant-Fonds dieselben fehlerhaften Positionen halten, und zweitens kann angesichts ähnlicher Portfoliostrategien jedes Problem, das bei einem Quant-Fonds auftritt, zu einer Liquidation von Vermögenswerten führen, die sich auf die
Positionen anderer Quant-Fonds auswirken. Daher verwenden Quants eine Reihe von softwarebasierten Überwachungsinstrumenten, um diese Risiken zu managen. Die Erfahrung und das Wissen des Quant-Managers sind entscheidend für die Interpretation der Ergebnisse und Muster die diese Tools aufzeigen.

“Diese Strategien sind … systematische Umsetzungen der Dinge, die menschliche
Trader und Investoren schon immer getan haben.”

Algorithmischer Handel, Hochfrequenzhandel (HFT) und statistische Arbitrage sind gängige quantitative Handelstechniken.
Beim algorithmischen Handel, der auch als “Black-Box-Handel” bezeichnet wird, wird Computersoftware zur Automatisierung der Ausführung von Geschäften benutzt.

Der Hochfrequenzhandel ist eine besondere Art des algorithmischen Handels, bei dem Computer
Handelsentscheidungen viel schneller treffen und umsetzen, als es Menschen jemals könnten. Händler, die diese Technik anwenden greifen auf eine “Hochgeschwindigkeits-Handelsinfrastruktur” zurück, die es ihnen ermöglicht, Strategien zu verwalten und Positionen kürzer als einen Tag zu halten.

Arbitrage ermöglicht es Händlern, aus fehlerhaften Preisangaben oder Ineffizienzen auf dem Markt Kapital zu schlagen, die einen “risikolosen Gewinn” bedeuten können. Diese Gelegenheiten sind naturgemäß nur von kurzer Dauer und verschwinden wenn versierte Händler sie ergreifen. Statistische Arbitrage nutzt computergestützte mathematische Modelle, um Marktineffizienzen zwischen ähnlichen Aktien sofort zu erkennen und auszunutzen. Dies hilft den Märkten durch die Bereitstellung von Liquidität.

“Die Blackbox enthüllt”

Quantitative Handelssysteme weisen eine Reihe gemeinsamer Elemente auf, und der Erfolg oder Misserfolg eines Systems hängt davon ab, wie das Quantenteam die einzelnen Elemente beurteilt. Strenge wissenschaftliche Forschung und Tests untermauern jede Entscheidung und das Quantenteam wird während der gesamten Lebensdauer der Strategie weitere Untersuchungen durchführen, um im Laufe der Zeit konsistente positive Renditen zu erzielen. Das Ergebnis des computergestützten Handelssystems ist nur so gut wie die Anweisungen des Quant-Teams. Daher ist die Qualität der Daten, die Quants aus Primärquellen sammeln, von entscheidender Bedeutung, ebenso wie die “Bereinigung und Speicherung” der Daten.

“Alle erfolgreichen Alpha-Modelle sind so konzipiert, dass sie einen gewissen Vorteil haben.”

Eine typische Blackbox besteht aus fünf Modulen. Die ersten drei – “das Alpha-Modell, das Risikomodell” und “das Transaktionskostenmodell” – legen die Strategieparameter fest. Quants versuchen anhand von Daten, künftige Marktbewegungen oder -muster vorherzusagen, um Alpha zu erzielen. Die Erzielung dieser Renditen ist jedoch mit Risiken verbunden, weshalb das Risiko-modell eines Systems ermitteln und messen soll, welche Risiken für den Quant-Fonds akzeptabel sind und welche gemindert werden müssen.

“Quantitative Ansätze für das Risikomanagement … geben dem Portfoliomanager die Möglichkeit
rationale und bewusste Entscheidungen zu treffen.”

Quants können bis zur Hälfte ihrer Erträge verlieren, wenn sie die Kosten für den Handel tragen.
Sie müssen also bei jedem Handel, sei es zur Erzielung von Alpha oder zur Risikominderung, sicherstellen, dass das Geschäft nach Abzug der Handelskosten noch rentabel ist.
Das Transaktionskostenmodell berücksichtigt Provisionen und Gebühren, die “Marktauswirkungen” eines bestimmten Handels, und die “Slippage” – Kursänderungen, die zwischen dem Zeitpunkt, an dem sich ein Quant für den Handel entscheidet, und dem Zeitpunkt, an dem der Handel stattfindet, auftreten können.

“Die meisten Argumente gegen HFT scheinen mir Argumente zu sein, die von Leuten vorgebracht werden, die entweder keine Ahnung von den Fakten haben oder aus Eigeninteresse parteiische und fehlerhafte Informationen an die Öffentlichkeit zu bringen.”

Alpha-, Risiko- und Transaktionskostenmodelle lassen alle ihre Informationen in das “Portfoliokonstruktionsmodell” einfließen, das “die Kompromisse, die sich aus dem Streben nach Gewinn, der Begrenzung des Risikos und den Kosten enthält, und erstellt die Regeln und Algorithmen zur Bestimmung des optimalen Portfolios. Die Quants führen dann die notwendigen Geschäfte aus, um dieses Portfolio durch ein “Ausführungsmodell” zu erreichen, das sie entweder
intern entwickeln oder Drittanbieter für die Erstellung in ihrem Namen bezahlen.

Wahrnehmungen von Algorithmischem Handel

Hedge-Fonds, die anspruchsvolle Institutionen und Privatpersonen zu ihren Anlegern zählen, betreiben einen großen Teil des quantitativen Handels. Long-Term Capital Management war ein solcher Fonds; Wegen seines dramatischer Zusammenbruchs 1998 musste die Federal Reserve eine privatwirtschaftliche Rettungsaktion organisieren. Seitdem haben die Medien die Wahrnehmung des quantitativen Handels in der Öffentlichkeit negativ verzerrt, indem sie die jüngsten Zusammenbrüche und Instabilitäten des Marktes auf das schiere Volumen und den Umfang des quantitativen Handels zurück führen.

“Ich weiß von Milliarden von Dollar, die 2012 speziell von Pensionskassen und großen traditionellen Dachfondsin Quantfonds invetiert wurden, die früher gesagt hätten: ‘Wir investieren nicht in
in Quants’.”

Der Hochfrequenzhandel sind besonders unter die Lupe genommen worden, da ihm vorgeworfen wird, einen unfairen technologischen Vorteil auszunutzen, keinen wirklichen sozialen Nutzen zu bieten, die Märkte zu beeinflussen und Volatilität zu erzeugen.
Der Ruf des Hochfrequenzhandels wurde Mitte 2009 in Mitleidenschaft gezogen, als ein ehemaliger Programmierer von Goldman Sachs beschuldigt wurde Code gestohlen zu haben, um den Hochfrequenzhandel seiner neuen Firma zu fördern. Obwohl ein Gericht seine Verurteilung aufhob, wurde diese Assoziation des Hochfrequenzhandels mit dem Versuch, Märkte auf unfaire Weise zu manipulieren”, in den Köpfen der Leute verfestigt. Die Medien zeigten erneut mit dem Finger auf HFT, als ein fünfminütiger “Flash Crash” und die anschließende Erholung am 6. Mai 2010, die Märkte erschütterte.

Ist die Kritik gerechtfertigt?

Diese spezifische Kritik, die regelmäßig an quantitativen Handelsstrategien geübt wird, verstärkt die negative Wahrnehmung in der Öffentlichkeit:

• “Handel ist eine Kunst, keine Wissenschaft” – Mathematische Modelle sind keine perfekten Nachbildungen des menschlichen Verhaltens. Aber wenn Quants sie gut konzipieren, sind sie Simulationen, die profitable Prognosen über die Zeit generieren.
• “Quants verursachen mehr Marktvolatilität durch Unterschätzung des Risikos” – Ein Computer wird Ergebnisse produzieren, die ausschließlich auf den Annahmen beruhen, mit denen ihn der Quant füttert, und auf den Fragen, die der Quant berechnen will. Einige Modelle können Worst-Case-Szenarien in unangemessener Weise in eine einfache Zahl umwandeln. Quants sind nicht die Einzigen, die diese Modelle verwenden, aber auch Vermögensverwalter unterliegen denselben Fehlern, indem sie falsche Annahmen treffen und Fragen falsch formulieren. Quantitative Strategien können die Volatilität auf normalen Märkten reduzieren, indem sie für mehr Liquidität sorgen. Exogene Schocks, staatliche Politik und laxe Bankstandards und -vorschriften trugen zu extremen Marktereignissen wie der Finanzkrise 2008 bei. Finanzingenieure, nicht Quants, haben die neuen strukturierten Produkte erfunden, die während des Crashs die Markteinbrüche auslösten und verstärkten. Im Jahr 2008 erzielten einige Hedgefonds, die quantitative Strategien verwendeten, bessere – oder zumindest weniger schlechte – Renditen als diejenigen, die andere Strategien verwendeten.
• “Quants können nicht mit ungewöhnlichen Ereignissen oder schnellen Veränderungen der Marktbedingungen umgehen” – Das stimmt in gewisser Weise, denn Quants verwenden historische Daten, um zukünftige Bewegungen vorherzusagen. Solche aprupten Ereignisse können die Prognosen ihrer Modelle ungültig machen. Einige kurzfristige Strategien werden jedoch in einem solchen Markt gedeihen, da sie versuchen, aus kurzfristigen Abweichungen vom langfristigen Trend Kapital zu schlagen.
• “Quants sind alle gleich” – Diese Kritik ist angesichts der maßgeschneiderten Art und Weise, wie ein Quant eine Strategie konzipiert und entwickelt, nicht angemessen. Zahlreiche Studien haben gezeigt, dass Quant Trader die die gleiche Strategie verwenden, sehr unterschiedliche Portfolios halten; einige halten sogar die gleichen Wertpapiere, aber “in entgegengesetzter Richtung”. Untersuchungen zeigen auch, dass die monatlichen Renditen von Fonds und Händlern kaum korrelieren. Bei traditionelleren Hedge-Fonds-Strategien ist die Korrelation unter Gleichgesinnten sogar größer.
• “Nur einige wenige große Quants können auf Dauer erfolgreich sein” – Größere Fonds für quantitative Strategien können es sich leisten, beliebige Fähigkeiten zu kaufen und bessere Konditionen mit Drittanbietern zu vereinbaren. In Krisenzeiten kann die Neuausrichtung großer Portfolios jedoch kostspielig sein. Das liegt in der Natur der Sache. Kleinere Fonds müssen sich naturgemäß auf ihre Kernkompetenzen konzentrieren, während größere Fonds in der Regel von ihren Kernkompetenzen wegdiversifizieren um Wachstum zu ermöglichen. Daher ist es nicht überraschend, dass kleinere Fonds tendenziell besser abschneiden als größere Fonds. Dennoch ist jede quantitative Strategie nur so gut wie die Menschen, die sie entwickeln, unabhängig von der Größe des Fonds. Größere Fonds können qualifizierte Personen einstellen, die besonders spezialisierte Bereiche des Geschäfts abzudecken. Dies kann zu mehr Kreativität, aber auch zu Kommunikationsproblemen in verschiedenen Teilen des Unternehmens führen.
• “Quants machen sich des Data Mining schuldig” – Data Mining ist die Verwendung “großer Datenmengen zum Zweck, Informationen darüber abzuleiten, was passiert, ohne sich Gedanken darüber zu machen, warum es passiert”. Viele Unternehmen nutzen die Ergebnisse des Data Mining erfolgreich. Zum Beispiel schlägt Amazon den Kunden Käufe vor, die auf ihrem
• früheren Verhalten basieren. Analysten laufen Gefahr, die Daten “überanzupassen”, wenn sie versuchen, “zu viele Informationen” aus ihrer statistischen Datenbank zu extrahieren und dadurch falsche Schlüsse zu ziehen. In den meisten Fällen, verwenden Quants Daten zur Umsetzung von Strategien auf der Grundlage wirtschaftlicher Fundamentaldaten, aber sie sind nicht an eigentlichem Data Mining beteiligt.

Beurteilung quantitativer Handelsstrategien

Wenn Sie in einen quantitativen Strategiefonds investieren wollen, machen Sie Ihre Hausaufgaben. Befragen Sie zunächst den Quant-Manager um den Fonds und die Höhe des Risikos zu verstehen, das er im Verhältnis zu seinen Erträgen eingeht. Fragen Sie, wie der Quant-Manager neue
Ideen für Handelsstrategien entwickelt. Überprüfen Sie die Art der Daten, die für die quantitative Handelsstrategie verwendet werden, und finden Sie heraus welche Maßnahmen der Quant ergreift, um die Integrität der Daten zu gewährleisten. Hinterfragen Sie das Konzept, das hinter den Methoden wie der Quant Alpha generieren wird, sowie den Zeitrahmen und das “Anlageuniversum” des Quants. Anleger müssen auch bestimmte Aspekte der Portfoliokonstruktion verstehen, z. B. den Umfang und die Grenzen von Anlagepositionen.
Legen Sie fest, ob der Quant den Handel manuell oder mit Hilfe von Algorithmen durchführen wird und wie Transaktionskosten ins Spiel kommen. Sie müssen wissen, wie der Quant die Risiken des Portfolios verwalten und überwachen wird.

“Es gibt bereits Beispiele für hybride “quantitativ-diskretionäre” Strategien, in denen die
quantitativen Systemen nach Chancen suchen, während der Rest des Prozesses nach eigenem Ermessen der Händler abläuft.”

Wenn man sich den oben beschriebenen Prozess genau ansieht, erfährt man auch viel über den Quant Trader. Aber auch die Bewertung seinerErfahrung und sein Fachwissen kann ebenfalls sehr hilfreich sein. Hat der Quant Trader exklusiven Zugang zu wichtigen Informationen oder einen Vorteil im Handelsprozess selbst? Führen Sie eine umfassende Hintergrundprüfung des
des Quant-Teams durch, um seine ethische Integrität sicherzustellen. Sprechen Sie mit Anlegern, die bereits Gelder an diesen Quants zugeteilt haben. Sobald Sie sich für eine Investition entschieden haben, prüfen Sie, wie die quantitative Handelsstrategie mit der Diversifizierung Ihres übrigen Portfolios zusammenpasst. Investieren Sie Mittel in die quantitative Strategie auf der Grundlage Ihrer Analyse der Richtung, des Umfangs und der zeitlichen Streuung Ihrer derzeitigen Engagements.

“Ich glaube, dass die Ablehnung von Quants im Kern eine Frage der Generation ist.”

Im Allgemeinen neigen die Menschen dazu, der Automatisierung und dem Wandel mit Widerstand und Angst zu begegnen, so dass es nicht überrascht, dass der quantitative Handel
in den letzten Jahrzehnten hühl aufgenommen worden ist. Dies wird sich wahrscheinlich legen, da die nächste Generation den quantitativen Handel nicht als neue Bedrohung, sondern als Routine sieht. Außerdem ist eine allgemeine Tendenz zu hybriden Strategien erkennbar, bei denen Manager sowohl quantitative Systeme als auch diskretionären Handel einsetzen um einen Anlagevorteil zu erzielen. Mit der Zeit wird die Finanzwelt quantitative Strategien immer besser verstehen und nutzen, und die gefürchtete Blackbox wird in weite Ferne rücken, wie eine alte Erinnerung.