Algorithmic Trading. Johannes Gomolka. Analyse von computergesteuerten Prozessen im Wertpapierhandel unter Verwendung der Multifaktorenregression

Transkript

1 Algorithmic Trading

2

3 Johannes Gomolka Algorithmic Trading Analyse von computergesteuerten Prozessen im Wertpapierhandel unter Verwendung der Multifaktorenregression Universitätsverlag Potsdam

4 Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über abrufbar. Universitätsverlag Potsdam Am Neuen Palais 10, Potsdam Tel.: +49 (0) / Fax: verlag@uni-potsdam.de Zugl.: Potsdam, Univ., Diss., 2011 Das Manuskript ist urheberrechtlich geschützt. Umschlagfotos: (1) Logenhaus der Berliner Börse um 1952 Mit freundlicher Genehmigung der Berliner Börse. (2) Handelssaal der Berliner Börse um 2003 Mit freundlicher Genehmigung der Berliner Börse. (3) Computer-Festplatte [Quelle: Autor] Druck: docupoint GmbH Magdeburg ISBN Zugleich online veröffentlicht auf dem Publikationsserver der Universität Potsdam: URL URN urn:nbn:de:kobv:517-opus

5 Besonderen Dank an meine Eltern für die Unterstützung während der Dissertation.

6

7 Vorwort Die vorliegende Arbeit entstand im Zeitraum von April 2008 bis August 2010 als externer Doktorand am Lehrstuhl für Corporate Governance und E-Commerce der Universität Potsdam. Mein Betreuer, Professor Dr. Christoph Lattemann, gab mir die Möglichkeit, zur selbstständigen Forschung und stand mir während dieses Zeitraums immer beratend zur Seite. Ziel dieser Dissertation war es, mehr Transparenz im Bereich des computergesteuerten Wertpapierhandels (Algorithmic Trading) zu schaffen. Es gibt nur wenige Literatur über Algorithmic Trading und bei Banken und Hedgefonds herrscht eine Kultur der Geheimhaltung. Die Auseinandersetzung mit dem Thema führte zu der Frage, ob man diese Kultur der Geheimhaltung umgehen und die Eigenschaften von Algorithmic Trading in den Renditen (z.b. von Hedgefonds) empirisch nachweisen kann. Dazu mussten zuerst diese Eigenschaften erforscht werden und danach Renditen ermittelt werden, an denen man diese Eigenschaften überprüfen konnte. Eine weitere Schwierigkeit dieser Arbeit bestand darin, eine geeignete Methode zu finden, um diese Eigenschaften überprüfen zu können. Für diese Dissertation wurde die Software des Consulting Unternehmens Tempelhove genutzt, welches im Rahmen des Förderprogramms EXIST von Juni 2008 bis Juni 2009 vom Bundesministeriums für Wirtschaft und Technologie gefördert wurde. V

8 Ich danke Professor Christoph Lattemann für die langjährige Unterstützung während der Dissertation. Er hat mit seiner konstruktiven Kritik zur stetigen Verbesserung dieser Arbeit beigetragen und meine wissenschaftliche Arbeit, auch unter schwierigsten Bedingungen, angeleitet. Mein Dank geht auch an Professor Jan Annaert von der Universität Antwerpen, der mich bei der Themensuche und der Literaturrecherche über Multifaktorenmodelle unterstützte. Ich danke Dr. Sören Kupke und Dr. Dirk Reuter für ihre Unterstützung. Ich danke Herrn Heinrich Heuser, der mich zur wissenschaftlichen Arbeit anleitete und mich die wichtigsten Grundlagen lehrte. Ganz besonderer Dank gilt meinen Eltern und Freunden, die mich bei der Dissertation unterstützten, und Susanne Grassl, deren unermüdliche Unterstützung mir half, die Arbeit zu einem Abschluss zu bringen. Potsdam, 14. Januar 2011 VI

9 Inhaltsverzeichnis 1 Einführung Problemstellung Abgrenzung des Themas Begriffsabgrenzung Algorithmic Trading Buy-Side und Sell-Side Funktionale Definition von Algorithmic Trading Zusammenfassung Einordnung in die Literatur Überblick Sell-Side in der Literatur Buy-Side in der Literatur Literatur über Hedgefonds Forschungsfrage Begrenzung der Aussagen Gang der Untersuchung Basis für Algorithmic Trading Marktmikrostrukturtheorie Grundlagen des Algorithmic Trading Abbildung von Transaktionsprozessen in Marktdaten Informationsphase Orderroutingphase Zusammenfassung Elektronische Handelssysteme Begriffsabgrenzung Einordnung in die Transaktionsprozesse Quelle von Marktdaten Ort der Orderausführung Zusammenfassung Software-Agenten Überblick Begriffsabgrenzung von Software-Agenten Eigenschaften von Software-Agenten Software-Agenten im Algorithmic Trading VII

10 2.3.5 System-Umgebung Zusammenfassung Sell-Side Algorithmic Trading Einordnung in die Transaktionsprozesse Überblick Begriffsabgrenzung von Sell-Side Algorithmic Trading Formulierung von Orders Überblick über die Teilprozesse Transaktionskosten Benchmarks Orientierung an Marktmodellen Weiterleitung von Orders Überblick über die Teilprozesse Handelsstrategien Zusammenfassung Buy-Side Algorithmic Trading Einordnung in die Transaktionsprozesse Initiatoren von Algorithmic Trading Technik der Algorithmic Trading Software Technische Konzepte für Algorithmic Trading Interpretation als Software-Agenten Prozesse innerhalb der Software Informationsbeschaffung und -bereitstellung Informationsauswertung Handelsstrategien Ergebnisse der Buy-Side Untersuchung Renditen mit Algorithmic Trading Algorithmic Trading in Hedgefonds-Datenbanken Bezug zur Forschungsfrage Definition von Hedgefonds Hedgefonds Datenbanken Zwischenfazit Multifaktorenanalyse Gang der weiteren Untersuchung Simulation der Renditen Vorgehensweise VIII

11 6.2.2 Vereinfachung der Untersuchung Beschreibung der einfachen Strategie Beschreibung der komplexen Strategie Simulationsergebnisse Test auf Normalverteilung Vergleich der Renditen Auswahl der Methode Style-Analyse Durchführung des Vergleichs Zusammenfassung des Vergleiches Zusammenfassung und Ausblick Algorithmic Trading im Multifaktorenmodell Fazit und Ausblick Literaturlisten Journals & Working Papers Internetquellen Gesetzestexte EU und Deutschland USA Anhang A1. Objektorientierte Programmierung der Tempelhove-Software..371 A2. Ethik von Algorithmic Trading A3. Rohdaten: Renditen der komplexen und einfachen Strategien..379 IX

12