Automatisierter Handel

Grundidee und Definition

Automatisierter oder algorithmischer Handel bezeichnet allgemein den automatischen Handel von Wertpapieren durch Computerprogramme an einer Börse. Dafür werden auch englische Begriffe wie Algorithmic Trading, Algo Trading, Black Box Trading, High Frequency Trading, Flash Trading oder Grey Box Trading verwendet.

Nach § 80 Abs. 2 WpHG ist algorithmischer Handel ein Handel mit Finanzinstrumenten, bei dem ein Computeralgorithmus automatisch über die Ausführung und die Parameter eines Auftrags entscheidet. Solche Parameter können zum Beispiel Zeitpunkt, Preis oder Volumen einer Order sein. Nicht dazu zählen Systeme, die Aufträge nur bestätigen oder an andere Handelsplätze weiterleiten.

In der Literatur gibt es keine einheitliche Definition. Ein Teil der Autoren versteht darunter Programme, die vorhandene Kauf- und Verkaufsaufträge elektronisch an die Börse leiten. Ein anderer Teil meint Programme, die selbständig Kauf- und Verkaufsentscheidungen treffen. Man kann außerdem zwischen Anwendungen bei Buy-side- und Sell-side-Finanzinstituten unterscheiden. Voraussetzung für automatisierten Handel ist ein elektronisches Handelssystem an der Börse.

Entwicklung und Bedeutung im Börsenhandel

Börsen berichten, dass automatisierter Handel bis zu 50 Prozent des Börsenumsatzes ausmachen kann. An der Eurex vervierfachte sich der automatisierte Handel von 2004 bis 2006, während der traditionelle Handel nur leicht wuchs. Die Eurex nahm an, dass etwa 20–30 % des gesamten Umsatzes durch automatisierten Handel entsteht, und rechnete mit einer Wachstumsrate von etwa 20 % pro Jahr.

Nach einer Studie der AITE Group waren 2006 ungefähr ein Drittel aller Wertpapierhandel von automatischen Computerprogrammen und Algorithmen gesteuert. AITE schätzte, dass dieser Anteil bis 2010 etwa 50 % erreichen könnte. Diese Zahlen sind laut Gomolka kritisch zu betrachten: Börsen können nur messen, welche Orders von Maschinen an die Börse übermittelt und in elektronischen Orderbüchern aufgefangen werden. Sie können aber nicht sicher messen, welcher Anteil des Umsatzes wirklich von Maschinen generiert wurde und welcher Anteil von menschlichen Händlern in Ordersysteme eingegeben wurde.

Ein bekanntes Beispiel für die Bedeutung solcher Systeme war ein Fall bei Goldman Sachs: Anfang Juli 2009 wurde ein ehemaliger Mitarbeiter vom FBI verhaftet, weil er Teile einer Software gestohlen haben soll, die für automatisierten Handel genutzt wurde. Die Staatsanwaltschaft sagte, die Software sei geeignet, „um Märkte auf unfaire Weise zu manipulieren“. Später wurde er freigesprochen, weil nach US-Recht kein physikalischer Gegenstand gestohlen worden war. Ein großer Teil der mitgenommenen Programme bestand aus Open-Source-Programmen, die er selbst verbessert hatte.

Orderaufgabe und Handelsstrategien

Beim Algorithmic Trading zur Orderaufgabe kann der Computer je nach Automatisierungsgrad selbständig über bestimmte Aspekte einer Order entscheiden, etwa Timing, Preis, Volumen oder Zeitpunkt der Orderaufgabe. Im sogenannten Sell Side Algo-Trading, zum Beispiel bei Brokerages, werden große Orders in mehrere kleinere Handelseinheiten aufgeteilt. Dadurch sollen Market Impact, Opportunitätskosten und Risiken gesteuert werden. Market Impact meint dabei die Wirkung einer großen Order auf den Marktpreis.

Der Algorithmus legt das Aufsplitten und den Zeitpunkt der Orders anhand vorher festgelegter Parameter fest. Diese Parameter nutzen gewöhnlich historische und aktuelle Marktdaten. Broker verwenden algorithmischen Handel für den Eigenhandel und bieten ihn auch ihren Kunden als Dienstleistung an. Institutionelle Investoren greifen wegen der Komplexität und des Ressourcenbedarfs häufig auf Lösungen von Brokern zurück.

Vorteile automatisierten Handels sind hohe Geschwindigkeit, die Fähigkeit zur Verarbeitung vieler relevanter Informationen und geringere Transaktionskosten. Voraussetzung ist, dass bereits eine Order oder Handelsstrategie vorliegt. In diesem Zusammenhang geht es vor allem darum, eine Order intelligent auf verschiedene Märkte zu verteilen, nicht darum, automatisch anhand von Parametern Angebote in den Markt zu geben.

Als Entscheidungsunterstützung wird automatisierter Handel von Hedgefonds, Pensionsfonds, Investmentfonds, Banken und anderen institutionellen Anlegern eingesetzt. Computer können selbständig Kauf- und Verkaufssignale erzeugen und diese als Orders an Finanzplätzen umsetzen, bevor Menschen eingreifen. Algorithmic Trading kann mit verschiedenen Investment-Strategien verbunden werden, darunter Market Making, Inter-Market Spreading, Arbitrage, Trendfolgemodelle und Spekulationen. Computer können dabei nur unterstützend für die Investment-Analyse dienen, etwa bei Quant Fonds, oder Orders automatisch generieren und weiterleiten, was als Autopilot beschrieben wird.

Schwierig sind vor allem die Aggregation und Analyse historischer Marktdaten, die Verarbeitung von Real-time-Kursen sowie das Aufstellen und Testen mathematischer Modelle.

Abgrenzung zu Hochfrequenzhandel und Systematic Trading

Algorithmic Trading wird in der Fachliteratur häufig mit Hochfrequenzhandel gleichgesetzt. Hochfrequenzhandel bedeutet, dass Wertpapiere in Sekundenbruchteilen gekauft und wieder verkauft werden. Die Abgrenzung ist jedoch nicht einheitlich.

Eine Studie von FINalternatives zeigt, dass Fondsmanager den Begriff unterschiedlich verwenden. Über 60 % der Befragten verstehen unter Hochfrequenzhandel Transaktionen im Zeitraum von 1 s bis 10 Minuten. Etwa 15 % verstehen darunter Transaktionen im Zeitraum von 1–5 Tagen.

Auch in der Literatur gibt es verschiedene Einordnungen. Aldridge (2009) kategorisiert Algorithmic Trading ausschließlich als Hochfrequenzhandel. Gomolka (2011) fasst unter Algorithmic Trading dagegen sowohl High-Frequency Trading in Sekundenbruchteilen als auch Systematic Trading über mehrere Tage zusammen. Damit wird betont, dass Computerprogramme nicht nur sehr kurzfristig, etwa beim Flash Trading, eingesetzt werden können, sondern auch über Minuten, Stunden oder Tage selbständig handeln.

Risiken, Marktstabilität und Regulierung

Automatisierter Handel kann Auswirkungen auf die Finanzmarktstabilität haben. Anders als bei einer Computerbörse, bei der Computer nur als Kommunikationsplattform passende Kauf- und Verkaufsangebote verbinden, platziert ein automatisiertes Handelssystem selbständig Angebote und sucht Handelspartner.

Solche Systeme werden mitverantwortlich gemacht für den Börsenkrach am 19. Oktober 1987, den Schwarzen Montag. Ihre „Wenn-dann“-Algorithmen sollen dazu beigetragen haben, dass immer mehr Aktienpakete verkauft wurden, nachdem die Kurse zu fallen begonnen hatten. Dies soll zu panikartigen Verkäufen geführt haben.

Ein weiteres Beispiel ist der 6. Mai 2010: Der Dow-Jones-Index fiel innerhalb von acht Minuten um über 1000 Punkte. Ausgelöst wurde dieser Crash laut Artikel ursprünglich nicht durch High-Frequency-Programme, sondern durch eine Sell-Order des Handelshauses Waddell & Reed, das 75.000 S&P500 E-Mini Future Kontrakte innerhalb von 20 Minuten per Market Order in den Markt gab. Dieser Flash Crash führte dazu, dass die SEC ihre Circuit-Breaker-Regeln verschärfte. Künftig sollten Kurseinbrüche von über 10 % bei einer Aktie zu einer automatischen Aussetzung des Handels führen.

Regulatorisch hat die Einordnung einer Handelsstrategie als „algorithmisch“ wichtige Folgen. In Deutschland müssen algorithmische Händler gemäß § 80 Abs. 2 Wertpapierhandelsgesetz Kennzeichnungspflichten gegenüber dem jeweiligen Handelsplatz und gegenüber der Bundesanstalt für Finanzdienstleistungsaufsicht erfüllen. Außerdem unterliegen sie gemäß § 1 Abs. 1a Nr. 4d KWG einer Erlaubnispflicht für Bankgeschäfte, also einer Banklizenz, und müssen ein Erlaubnisverfahren nach § 32 KWG durchlaufen. Begründet werden diese Pflichten mit den Gefahren des algorithmischen Handels.

Die strenge Beaufsichtigung wird jedoch kritisiert. Kritisiert wird zum einen der als zu weit angesehene Wortlaut von Art. 4 Abs. 1 Nr. 39 der Richtlinie 2014/65/EU (MiFID II). Zum anderen wird bemängelt, dass der Aufsichtsrahmen teilweise unübersichtlich sei und wichtige wirtschaftswissenschaftliche Fragen offenlasse. Ungeklärt seien etwa die erforderliche Anzahl automatisch bestimmter Auftragsparameter und die Frage, wann menschliche Intervention vorliegt oder wie sie gestaltet sein muss, damit kein algorithmischer Handel angenommen wird.