unbekannter Gast
Geben Sie diesem Artikel Ihre Stimme:
5

From Speed Traders to Speed Trading, oder: Wie Computer den Handel an den Finanzmärkten veränderten
#

Von Ao. Univ.-Prof. Dr. Roland Mestel, Karl-Franzens Universität Graz, Institut für Banken und Finanzierung

Roland Mestel
Als ich Mitte der 1990er Jahre mein Wirtschaftsstudium beendet hatte, interessierte ich mich für eine Stelle als Market Maker für Finanzinstrumente am österreichischen Aktienmarkt.

In dieser Funktion wäre ich für die de facto jederzeitige Verfügbarkeit von Kauf- und Verkaufsgeboten bestimmter Wertpapiere zuständig gewesen, was unter anderem sehr schnelle Reaktionszeiten und die rasche Verarbeitung von Information von mir verlangt hätte. Da mich letztlich der Versuch des Verstehens des Finanzmarktgeschehens mehr interessierte als das unmittelbare Tätigsein an der Börse, entschied ich mich für eine wissenschaftliche Karriere.

Hätte ich indes die Arbeit an der Börse angenommen, so wäre ich heute, rund zwei Jahrzehnte später, definitiv nicht mehr als Market Maker aktiv, denn das Market Making ist mittlerweile eine Aufgabe für Computer, die die genannten Anforderungen deutlich rascher und zuverlässiger erfüllen als Menschen. Wie überhaupt das Börsegeschehen ein Paradebeispiel dafür ist, wie Informationstechnologien in der jüngeren Vergangenheit wirtschaftliche Vorgänge strukturell und nachhaltig verändert haben.

Über viele Jahrzehnte prägte der sogenannte Parketthandel das unmittelbare Handelsgeschehen an den Wertpapierbörsen. Händler und Makler, häufig charakteristisch gekleidet in auffallend bunten und übergroßen Sakkos, die man wohl als modische no-gos bezeichnen würde, trafen sich an den Börsen, um während der durch Glockenschläge begrenzten Handelszeiten aufgeregt schreiend, wild gestikulierend und in für Außenstehende unverständlicher Fingersprache kommunizierend Wertpapiere (in erster Linie Aktien) im Auftrag von Banken, Investoren oder selbstständig zu kaufen und zu verkaufen.

Ab etwa den 1980er Jahren wandelte sich dieses sichtbare Börsengeschehen indes fundamental. Die zunehmende Digitalisierung führte zunächst dazu, dass an praktisch allen Finanzzentren der Erde (wie etwa in London, Frankfurt, Paris, New York oder Tokio) dieser traditionelle Parketthandel sukzessive durch elektronische Handelssysteme als Kommunikationsplattformen abgelöst wurde. Eine physische Präsenz der Marktteilnehmer an den Börsen war fortan nicht mehr notwendig, Transaktionen werden seither von Maschinen ausgeführt.

Während dabei zunächst die Entscheidungen über Kauf- und Verkaufsaufträge noch in menschlicher Hand blieben, hat sich dieser computergestützte Handel ab etwa den 1990er Jahren zunehmend in einen computergenerierten Handel gewandelt. Dieses als Algorithmischer Handel (Algo Trading) bezeichnete Marktgeschehen zeichnet sich dadurch aus, dass der gesamte Handelsprozess von der Orderentscheidung (Kauf oder Verkauf von Wertpapieren, Preis- und Mengenfestlegung) bis zu deren Ausführung (Zeitpunkt der Orderaufgabe, Marktplatz der Durchführung) de facto vollautomatisiert von statten geht.

Dies rückt die jeweiligen Algorithmen, nach denen diese Prozesse ablaufen, und natürlich jene Personen, die diese Prozesse technisch umsetzen (vorwiegend Mathematiker, Physiker und Nerds) in den Vordergrund des Marktgeschehens. Studien zufolge beträgt der Anteil des Algo Trading am gesamten Handelsumsatz an vielen Märkten mittlerweile (mitunter weit) über 50%.

Ob und in welchem Ausmaß dieser „Computerhandel“ das Marktgeschehen strukturell beeinflusst, ist nicht nur eine der in der jüngeren Vergangenheit am intensivsten beforschten Fragestellungen der empirischen Finanzmarktforschung, sondern auch zentraler Untersuchungsgegenstand von Aufsichtsbehörden und Börseplatzbetreibern. Die wissenschaftliche Evidenz hinsichtlich der Wirkung des algorithmischen Handels auf die Marktqualität (typischerweise gemessen anhand der Marktliquidität sowie der Preiseffizienz) ist uneinheitlich. Der Grund hierfür liegt darin, dass es innerhalb des algorithmischen Handels verschiedene Ausprägungsformen gibt, die etwa je nach allgemeiner Marktentwicklung positive oder negative Effekte auslösen können.

Für praktisch alle Strategien algorithmischen Handels stellt der Faktor Zeit (im Sinne von Dauer der Orderumsetzung) den wichtigsten Entscheidungsparameter dar. Die wichtigste Subkategorie ist der sogenannte Hochfrequenzhandel (High Frequency Trading), der sich durch minimale Latenzzeiten, eine hohe Anzahl an Transaktionen in kurzen Zeitabschnitten und sehr geringe zeitliche Haltedauern von Wertpapieren auszeichnet. Die Zielsetzung besteht dabei darin, Geschwindigkeitsvorteile gegenüber anderen Marktteilnehmern auszunutzen, sei es etwa durch schnellere Datenleitungen oder kürzere Distanzen der eigenen Computer zu jenen der Börse (interessanterweise sind die Signalübertragungszeiten häufig länger als die Rechenzeiten zur Entscheidungsfindung, was erstere in den Fokus der Hochfrequenzhändler rückt.

Ein derartiges Speed Race ist an den Finanzmärkten zwar nicht neu, aber in seiner Dimension und seinem Stellenwert doch besonders, ist doch die Dimension Zeit hier im Milli- bzw. Mikrosekundenbereich zu messen bzw. zu verstehen. So kann etwa das eingangs erwähnte Market Making vollautomatisiert durchgeführt werden, indem verbindliche Kauf- und Verkaufskurse mittels vordefinierter Algorithmen in Sekundenbruchteilen in das Handelssystem eingespeist werden und dem Markt so Liquidität zuführen.

Ebenso lassen sich temporäre Preisunterschiede zwischen Märkten bzw. verbundenen Produkten (etwa Kassa- und Terminprodukten) sowie Verwerfungen in den Korrelationen von Finanzinstrumenten zueinander per Computer in kürzeren Zeitspannen und größerem Ausmaß ausnutzen. Dies führt somit zum positiven Effekt einer höheren Preiseffizienz an Märkten. Auch lassen sich die potentiell preisbeeinflussenden Auswirkungen großer Ordervolumina und damit die Kosten für Investoren reduzieren, wenn Transaktionen computergesteuert gesplittet und auf unterschiedlichen Handelsplattformen durchgeführt werden können.

Vorteile bei der Handelsgeschwindigkeit können jedoch auch manipulativ eingesetzt werden. So kann etwa eine große Anzahl an automatisiert in ein Orderbuch eingestellten Kauforders für andere Marktteilnehmer ein Signal zum Kauf sein. Das von diesen erwartete Preis-Momentum tritt indes nicht ein, weil der Algo Trader seine Orders zurückzieht, ehe sie ausgeführt werden können, und gleichzeitig mit Verkaufsorders von den gestiegenen Preisen profitiert.

Eine weitere computergenerierte manipulative Handelsstrategie stellt das sogenannte Quote Stuffing dar, bei der einzelne Handelsmaschinen eine große Anzahl an Aufträgen binnen Sekundenbruchteilen stellen und wieder löschen. Der Sinn einer solchen Strategie liegt darin, dass andere Algorithmen diese großen Datenmengen verarbeiten müssen und dadurch zeitlich blockiert sein können.

Die auszugsweise dargestellten unterschiedlichen Strategien des algorithmischen Handels machen deutlich, dass eine allgemein gültige Aussage hinsichtlich dessen Wirkungen auf das Handelsgeschehen an Wertpapiermärkten nicht möglich ist. Unbestritten ist jedoch, dass dieser fundamentale Wandel des Handelsprozesses neue Herausforderungen für Handelsplatzbetreiber, Marktteilnehmer, Aufsichtsbehörden, Wirtschaftspolitik und Wissenschaft mit sich bringt.

Weitere Beiträge und innovative Firmen zu den Themen Finanzen, Volkswirtschaft und Bank.