Anzeige

Künstliche Intelligenz in der Finanzbranche

Trading Bots – Marktchance mit Risiken

0

Mit automatischen Handelssystemen gezielt investieren

Trading Bots, automatisierte Handelssysteme, die Aktien und CFD‘s computerbasiert kaufen und verkaufen, existieren schon lange und werden in der Öffentlichkeit häufig kritisch gesehen. Richtig eingesetzt sind sie jedoch ein wertvolles Instrument der strategischen Geldanlage.

Computerbasierter Handel von Finanzinstrumenten

Bei der Präsentation von Kursverläufen im computerbasierten Handel von Finanzinstrumenten kommen zahlreiche Chartvarianten zum Einsatz.

Automatisierte oder algorithmische Handelssysteme, die in hoher Frequenz und unter Ausnutzung kurzfristiger Kursschwankungen Devisen, Aktien und CFD‘s computerbasiert kaufen und verkaufen, existieren schon seit längerer Zeit. Analysten sehen diese sogenannten Trading Bots häufig kritisch. Richtig eingesetzt sind Trading Bots jedoch ein wertvolles Instrument der strategischen Geldanlage. Investoren, die sich nicht allein auf die Algorithmen der Geldhäuser verlassen möchten, könnten zudem die Entwicklung einer eigenen Handelsplattform in Erwägung ziehen.

Abonnieren Sie den kostenlosen Bank Blog Newsletter

Im ersten Teil dieses Artikels möchte ich kurz auf die allgemeinen Rahmenbedingungen für den Handel mit Fremdwährungen eingehen. Im zweiten Teil des Artikels soll es um die Frage gehen, wie das Grundgerüst eines Trading Bots aussehen könnte.

Teil 1 – Der Währungshandel

Marktzugang

Als erstes benötigt der Trader ein Handelskonto bei einem Finanzdienstleister. Dies kann eine Bank, eine Sparkasse oder ein spezieller Broker mit einer Zulassung durch die Finanzaufsicht sein. Die Zwischenschaltung eines Händlers ist deshalb erforderlich, weil Trader als Privatpersonen aus marktregulatorischen Gründen nicht am börslichen Handel teilnehmen dürfen. Auch Unternehmen sind nur unter gesetzlichen Auflagen zugelassen.

Entscheidungsfindung

Die richtige Positionierung des Händlers am Markt gründet sich auf die technische Analyse. Diese Methodik untersucht Kursverläufe eines Währungspaares (zum Beispiel EURO/USD) in der näheren und weiter zurückliegenden Vergangenheit. Unter Verwendung verschiedener Indikatoren, Kursmuster und Messmethoden wird für das jeweilige Währungspaar versucht, Prognosen für den Kursverlauf in der Zukunft abzuleiten. Hierbei werden unter Verwendung von Chartprogrammen Marktdaten eines Währungspaares (EUR/USD) in Kurven beziehungsweise Diagrammen detailliert dargestellt, damit der Trader sie möglichst gezielt und angemessen schnell auswerten kann.

Markteinstieg

Nachdem der Trader zu einer Einschätzung des zukünftigen Kursverlaufes gelangt ist, kann er seine Order beim Broker platzieren. Vor Eröffnung der Order werden folgende Festlegungen vorgenommen:

  • Gehandeltes Währungspaar (zum Beispiel EURO/USD): Der Euro ist in diesem Fall die Basiswährung, der US-Dollar die Handelswährung. Preis- beziehungsweise Kursänderungen beziehen sich immer auf die Basiswährung.
  • Größe der gehandelten Position (Lot): Es wird unterschieden zwischen einem ganzen Lot (100.000 Einheiten), dem Mini-Lot (10.000 Einheiten) und dem Micro-Lot (1.000 Einheiten).
  • Pip-Wert: Der Pip-Wert ist diejenige Einheit, welche die kleinste Veränderung eines Währungspaares darstellt. Der Wert berechnet sich aus der Größe des Lots und dem Wechselkurs.
  • LONG- oder SHORT-Positionierung: Wenn der Trader auf steigende Kurse setzt, dann positioniert er die Order LONG, wie es im Börsenjargon heißt, falls er auf fallende Kurse setzt, geht er SHORT. Bei LONG wird in unserem Beispiel EURO gekauft und USD verkauft.
  • Stop Loss: Dieser Schwellwert ist so etwas wie eine Notbremse für den Fall, dass sich die Marktprognose als falsch erweist. Wenn der Kaufpreis aufgrund der Marktentwicklung den Stopp-Loss-Wert um eine bestimmte Anzahl Pips unter- oder überschreitet, kommt der Trade nicht zustande.

Nach diesem kurzen Überblick über die Grundbegriffe des Tradings wenden wir uns nun der Frage zu, wie die Struktur eines computerbasierten Handelssystems im Eigenbau aussehen könnte.

Teil 2 – Der eigene Trading Bot

Es existiert bereits eine große Anzahl von automatischen algorithmischen Handelssystemen auf dem Markt, die über einen großen Funktionsumfang inklusive Chartsoftware und Parametereinstellungen verfügen und die einen hohen Reifegrad aufweisen. Aus welchem Grund also sollten Firmen oder private Investoren eine eigene Handelsplattform in Erwägung ziehen? Aus meiner Sicht erscheint der Aufbau eines eigenen automatisierten Handelssystems aus zweierlei Gründen sinnvoll:

Ein eigener Trading Bot ermöglicht größere Kontrolle über die gegenwärtigen sowie die länger zurückliegenden Preisdaten als Grundlage der Entscheidungsfindung. Zwar kommt der Trader nicht darum herum, Datenfeeds hinzuzukaufen. Es bietet sich jedoch auch die Gelegenheit, zur Absicherung des Handelsgeschäfts weitere Datenquellen einzubeziehen, wie zum Beispiel soziale Netzwerke, Sentiment Indices u.a.

Ein weiterer Anreiz für den Betrieb einer eigenen Handelsplattform besteht in der Kontrolle der angewendeten Algorithmen: Wer sich allein auf die Strategien des Brokers verlässt, gibt die Kontrolle über seine Handelskonten in fremde Hände. Er muss darauf vertrauen, dass die Algorithmen zu seinem Nutzen arbeiten und seine Einlagen sicher sind. Dies ist in der Realität nicht immer der Fall, wie das Beispiel der FXdirekt Bank gezeigt hat ([Reimann 2012]).

Ein automatisiertes Handelssystem muss seiner Natur nach eventbasiert sein, d.h. es muss in der Lage sein, Marktsignale verschiedenster Art zu empfangen und zu verarbeiten. Dazu zählen Datenströme mit kleinsten messbaren Kursänderungen, Social-Media-Nachrichten und eventuell auch Meldungen zur aktuellen politischen Entwicklung. Infolge des hohen Datenaufkommens ist ein ausgefeiltes Konzept zur Zwischenspeicherung von Kurs- und Orderdaten mit entsprechenden Cache-Verdrängungsstrategien erforderlich. In Anlehnung an [Varshney 2016] ließe sich ein solches System mit Apache Camel (TM) wie folgt umsetzen:

Architektur eines automatischen Handelssystems

Architektur eines automatischen Tradingbots. Die Routing- und Konvertierungsengine Camel eignet sich hervorragend für eventbasierte Systeme, in denen Datenströme aus unterschiedlichen Quellen zusammengeführt und analysiert werden.

Den Kern des Systems bilden die Algorithmen, welche die Handelsentscheidung herbeiführen. Hier zwei Beispiele:

Strategie 1: Handelsentscheidung auf Grundlage aktueller Marktdaten

Eine häufig verwendete Methode ist die sogenannte Pure-Fade-Trade-Strategie. Diese Vorgehensweise sucht innerhalb eines kurzfristigen Zeithorizonts nach markanten Hoch- oder Tiefpunkten. Bei Hochpunkten nimmt der Verkaufsdruck in der Regel ab und der Kaufdruck erfahrungsgemäß zu, bei Tiefpunkten ist es genau umgekehrt. Deshalb positioniert Pure Fade Trade eine Order entgegengesetzt zum Trend: Sobald ein markanter Hochpunkt identifiziert wurde, wird eine SHORT-Order platziert, bei einem Kurstief wird ein LONG-Handelssignal ausgelöst.

Strategie 2: Kopieren von Trades

Diese Strategie kopiert, vereinfacht gesagt, die Kaufentscheidungen erfolgreicher Marktteilnehmer, die ihre Trades regelmäßig über soziale Netzwerke posten. Bei dieser Strategie kommt es naturgemäß sehr auf die Auswahl der Trader an. Bevor man hier eine Entscheidung trifft, empfiehlt es sich, die Trading-Szene genau zu sondieren, um die richtigen Trendsetter zu identifizieren.

Fazit: Vorteile einer automatisierten Handelsplattform

Der Aufbau einer eigenen automatisierten Handelsplattform bietet dem Marktteilnehmer eine Reihe von Vorteilen. Mit einem Trading Bot hat er die Möglichkeit, aus einer Vielzahl von markterprobten Handelsstrategien auszuwählen und diese schnell, konsequent unter Ausschaltung persönlicher Emotionen  anzuwenden. Zudem spart er Lizenzgebühren für eine Out-of-the-box-Lösung..

Demgegenüber sind die Einstiegshürden relativ hoch: Der Nutzen der Handelssoftware hängt sehr stark vom Wissensstand des Traders ab. Je tiefer sein Verständnis für die Feinheiten der Marktanalyse ist, desto effizienter kann er das System einsetzen. Nicht zu unterschätzen ist gleichfalls die Komplexität, die sich aus den allgemeinen Risiken des Hochfrequenzhandels und der Regulatorik der gesetzlichen Rahmenbedingungen ergibt. Wer ein solches System schon einmal zur Marktreife gebracht hat, weiß ein Lied davon zu singen.

Partner des Bank Blog - adesso

Partner des Bank Blog – adesso


Mehr über das Partnerkonzept des Bank Blogs erfahren Sie hier.

Informiert bleiben mit dem kostenlosen Bank Blog Newsletter:


Bitte bewerten Sie den Artikel mit Hilfe der Sternchen

1 Stern2 Sterne3 Sterne4 Sterne5 Sterne Bewertung: 4,00 Stern(e) - 4 Bewertung(en)

Danke fürs Teilen

Über den Autor

Dr. Stephan Pohl

Dr. Stephan Pohl ist seit mehreren Jahren für die adesso AG als Architekt und Entwickler im Banken- und Versicherungsumfeld tätig. Einen wesentlichen Arbeitsschwerpunkt bildet hierbei die Integration verteilter Systeme unter Verwendung Java-basierter Middleware-Technologien. Darüber hinaus beschäftigt er sich intensiv mit Fragestellungen aus dem Bereich Data Science.

Anzeige

Hinterlassen Sie einen Kommentar

Bank Blog Newsletter abonnieren

Newsletter

Anzeige

Mit Amazon Echo die intelligente Sprachsteuerung von Alexa nutzen