Erklärt: Was ist Algorithmisches Trading?

Frank Edwood
10 APR 2020
Erklärt: Was ist Algorithmisches Trading?

Partnership Material

1.

Was ist algorithmisches Trading?

Algorithmisches Trading ist der Versuch, den Faktor Mensch soweit wie möglich aus dem Handelsgeschehen rauszuhalten, indem bestimmte, zahlenbasierte Handelsstrategien angewendet werden, die Rund-um-die-Uhr von Computern ausgeführt werden können.

Computer haben gleich mehrere Vorteile gegenüber menschlichen Tradern. So können sie zum Beispiel Rund-um-die-Uhr Geschäfte abwickeln, da sie keinen Schlaf brauchen. Zudem können sie mit höchster Präzision Daten auswerten und innerhalb von nur wenigen Millisekunden auf Änderungen reagieren. Darüber hinaus spielen Emotionen bei ihrer Entscheidungsfindung nie eine Rolle. Aus diesen Gründen setzen viele Investoren mittlerweile auf Computer als Trader.

Nach und nach hat sich hieraus das Feld des algorithmischen Tradings entwickelt. Obwohl es zunächst hauptsächlich auf den Aktienmärkten Anwendung gefunden hat, hat es durch das Aufkommen der Kryptowährungen und digitalen Handelsplattformen ein völlig neues Level erreicht. Es scheint fast so, als ob die Kryptomärkte und das automatisierte Trading füreinander geschaffen wurden. Die Trader müssen ihre Handelsstrategien zwar immer noch selbst erstellen, aber wenn sie diese erstmal gefunden haben, können sie die Hand vom Steuer nehmen und die Mathematik für sich arbeiten lassen.

2.

Was sind die wichtigsten Strategien?

Die grundsätzliche Herangehensweise des algorithmischen Tradings ist es, per Software profitable Handelsgelegenheiten ausfindig zu machen und diese schneller zu nutzen als Menschen es können. Die wichtigsten Strategien sind dabei Momentum-Trading, Mean Reversion, Arbitrage und verschiedene Strategien basierend auf Maschinellem Lernen.

Die meisten algorithmischen Trading-Strategien versuchen, günstige Handelsgelegenheiten anhand von Statistiken zu identifizieren. Das Momentum-Trading betrachtet dabei aktuelle Entwicklungen, während die Mean Reversion zum Beispiel nach statistischen Abweichungen Ausschau hält. Bei der Arbitrage werden wiederum die Preise über verschiedene Börsen hinweg verglichen und bei Maschinellem Lernen werden gleich mehrere komplexe Strategien miteinander kombiniert. Allerdings ist der Erfolg nicht garantiert, weshalb Trader nichtsdestotrotz damit beauftragt sind, die richtige Strategie zu wählen und anzupassen.

 In der Regel werden solche „Trading-Roboter“ bzw. „Bots“ anhand von älteren Marktdaten getestet. Dadurch können Trader ihre Strategien auf den tatsächlichen Märkten ausprobieren, in denen sie handeln wollen. Jedoch kann es dabei zu sogenanntem „Overfitting“ kommen, was bedeutet, dass ein Trading-Bot zu sehr auf die historischen Marktdaten ausgerichtet wird, die wiederum nicht genau der aktuellen Marktlage entsprechen. Wenn eine Strategie zum Beispiel in einem Abwärtstrend getestet wird, sich in der Realität dann allerdings ein Aufwärtstrend ergibt, dann ist die Strategie logischerweise nutzlos.

3.

Was ist Momentum-Trading?

Das Momentum-Trading folgt dem Gedanken, dass wenn ein vorherrschender Trend auf dem Markt erkennbar ist, dieser solange weitergeht, bis es erste Signale gibt, dass er ein Ende findet.

Die Idee des Momentum-Tradings ist, dass wenn ein Finanzprodukt seit längerer Zeit in eine Richtung steuert, berechtigterweise davon ausgegangen werden kann, dass dieser Trend anhält, bis die Daten das Gegenteil anzeigen. Dementsprechend kann jeder Abschwung aufgekauft werden und jeder Aufschwung abverkauft werden oder umgekehrt. Das Entscheidende ist, dass die Trader merken, sobald sich der Trend dreht, da diese Strategie sonst sehr schnell ins Negative umschlägt.

Zudem ist es bei dieser Strategie ratsam, dass Trader nicht auf den absoluten Hoch- und Tiefpunkten kaufen, sondern dass sie zu sicheren Preisen kaufen und verkaufen. Das algorithmische Trading ist hierfür ideal, da die Trader einfach bestimmte Werte festlegen können, mit denen sie sich wohlfühlen und den Rest erledigt dann der Computer. Momentum-Trading ist allerdings wenig effektiv, wenn sich der Markt nur seitwärts bewegt oder so volatil ist, dass kein klarer Trend zu erkennen ist.

Ein wichtiger Indikator, um die Entwicklung von Trends erkennen zu können, sind die sogenannten Moving-Averages, also die Gleitenden Mittelwerte eines bestimmten Betrachtungszeitraums. Dies können Stunden, Tage, Wochen oder Monate sein, wobei in der Regel 50, 100 oder 200 Zeiteinheiten zusammengefasst werden (z.B.: 200-Wochen-MA). Verschiedene Handelsstrategien betrachten verschiedene Zeiträume, um ihre Entscheidungen zu treffen.

In der Regel gilt ein Trend als stark, wenn er sich deutlich ober- oder unterhalb des Gleitenden Mittels aufhält. Wenn er sich am MA entlang hangelt, gilt der Trend als schwach. Gleitende Mittel, die über einen längeren Zeitraum betrachtet werden, sind meist zuverlässiger als Gleitende Mittel, die zum Beispiel nur in den letzten 100 Stunden gültig sind.

4.

Was ist Mean Reversion?

Die Mean Reversion, also die Rückkehr zum Mittelwert, ist eine Strategie, bei der davon ausgegangen wird, dass ein Finanzprodukt langfristig immer wieder zu seinem bisherigen Mittelwert zurückkehrt. Extreme Abweichungen vom Mittel deuten darauf hin, dass ein Markt überkauft oder überverkauft ist, was zu einer Trendwende führt.

Selbst bei Bitcoin (BTC), einem Finanzprodukt, das in seiner Geschichte überwiegend im Abwärtstrend lag, gibt es deutliche Höhen und Tiefen, die vom historischen Trend abweichen. In der Regel kehrt der Kurs jedoch immer wieder zurück zu diesem langfristigen Trend. Wenn Trader die langfristigen Mittelwerte beobachten, können die Algorithmen darauf eingestellt werden, dass Abweichungen nur von kurzer Dauer sind und dementsprechend handeln. 

Ein Beispiel für eine solche Handelsstrategie ist die Rückkehr von der Standardabweichung bzw. Standard Deviation Reversion, die wiederum von einem Indikator namens Bollinger-Bänder gemessen wird. Diese Bänder sind die Ober- und Untergrenze der Abweichung von einem Gleitenden Mittel. Sobald sich der Kurs einem der Bänder nähert, wird es wahrscheinlich, dass es bald eine Trendwende zurück in Richtung Mittelwert gibt.

Eines der größten Risiken dieser Strategie ist, dass der Algorithmus keine Fundamentaldaten miteinbeziehen kann. Sollte der Markt für ein bestimmtes Finanzprodukt aus grundlegenden Gründen zusammenbrechen, dann erholt sich das Finanzprodukt vielleicht nicht wieder gemäß dem vorherigen Trend. In einem solchen Fall müssen Trader selbst einschreiten.

Eine weitere Spielart dieser Strategie ist die Mean Reversion über mehrere Finanzprodukte hinweg. Angenommen zwei Finanzprodukte weisen eine starke Korrelation auf. Also wenn ein Finanzprodukt hochgeht, zieht das andere mit. Hierfür kann ein Algorithmus geschrieben werden, der danach guckt, ob eines der beiden Finanzprodukte nach oben geht, woraufhin dann auch direkt auf das andere gesetzt wird. Die Zeitfenster zum Ausnutzen dieser Zusammenhänge ist oftmals knapp, weshalb diese Strategie viel effektiver per automatischer Steuerung durchgeführt werden kann.

5.

Was ist Arbitrage?

Arbitrage ist eine Strategie, die Preisunterschiede ein und desselben Finanzprodukts über mehrere Märkte hinweg ausnutzt.

Manchmal kann ein und dasselbe Finanzprodukt, wie zum Beispiel eine Handelsware oder eine Währung, auf verschiedenen Börsen verschiedene Preise haben. Dies bietet eine gute Handelsgelegenheit für diejenigen Trader, die schnell genug handeln können, ehe sich der Markt wieder ins Gleichgewicht bringt. Dafür kann ein Algorithmus erstellt werden, der die verschiedenen Produkte und Börsen beobachtet und handelt, sobald ein Preisunterschied entsteht.

Diese Strategie ist nicht besonders kompliziert, aber nur diejenigen Trader, die am schnellsten reagieren können, können sie erfolgreich fahren. Das High-Frequency-Trading hat hier naturgemäß einen großen Vorteil, da es darauf ausgelegt ist, solche Ungleichgewichte auszunutzen.

6.

Was sind Strategien basierend auf Maschinellem Lernen?

Maschinelles Lernen und Künstliche Intelligenz heben das algorithmische Trading auf ein neues Level. Damit können nicht nur komplexere Strategien in Echtzeit gefahren werden, sondern auch völlig neue Techniken wie das Natural Language Processing können den Trader noch tiefergehende Einblicke in die Entwicklung der Märkte geben.

Algorithmen können bereits komplexe Entscheidungen treffen und diese nach festgelegten Strategien und Daten umsetzen. Durch die Zuhilfenahme von Maschinellem Lernen können sich diese Strategien jetzt in Echtzeit selbst anpassen und herausfinden, was wirklich erfolgsversprechend ist. Anstatt der üblichen „Wenn-dann-Logik“ kann das Maschinelle Lernen mehrere Strategien gleichzeitig durchprobieren und die nächsten Trades dementsprechend anpassen. Obwohl es auch hier im Voraus noch Arbeit braucht, um die Algorithmen einzurichten, können sich die Trader immerhin sicher sein, dass diese sich von selbst an die Marktgegebenheiten anpassen.

Eine beliebte Strategie, die auf Maschinellem Lernen basiert, ist der sogenannte Bayes Klassifikator. Bei dieser Strategie führen die Algorithmen ihre Trades anhand von Statistiken und Wahrscheinlichkeiten aus. Wenn historischen Marktdaten zum Beispiel zeigen, dass Bitcoin um 70 % steigt, wenn die Kryptowährung zuvor drei Tage im Minus war, dann würde der Bayes-Algorithmus, nachdem er festgestellt hat, das Bitcoin zuletzt drei Tage im roten Bereich war, automatisch eine Wette darauf platzieren, dass Bitcoin nach oben geht. Diese Algorithmen sind sehr anpassbar und jeder Trader muss seine eigenen Parameter und Risikobereitschaft bestimmen.

Ein weiterer Vorteil des Maschinellen Lernens ist, dass Nachrichtenartikel gelesen und interpretiert werden können, indem nach Schlüsselwörtern gesucht wird und bestimmte Strategien vorbestimmt werden. Die Bots können dann innerhalb von Sekunden auf aktuelle Nachrichtenmeldungen reagieren. Selbstverständlich sind die getroffenen Entscheidungen immer nur so gut, wie die eingesetzte Analyse-Software, aber wenn es richtig gemacht wird, kann daraus ein enormer Vorteil entstehen.

Es gilt zu bedenken, dass das Maschinelle Lernen auch im automatisierten Trading noch Neuland ist. Deshalb könnte es schwierig werden, entsprechende Bots zu finden bzw. sind diese wahrscheinlich teurer oder unzuverlässiger als erprobte Methoden.

7.

Was ist Order Chasing?

Beim Order Chasing wird nach besonders großen Ordern Ausschau gehalten und basierend auf diesen gehandelt, da davon ausgegangen wird, dass sie zu weiteren Kursentwicklungen führen werden.

Um große Trades von einflussreichen Investoren vorherzusehen, braucht es eigentlich Insiderwissen und solche Geschäfte sind eigentlich illegal. High-Frequency-Trader haben dafür allerdings legale Wege gefunden, indem sie Daten aus sogenannten „Dark Pools“, also von Over-The-Counter Handelsforen, zusammentragen. Diese Handelsforen geben ihre Daten nicht in Echtzeit an Börsen weiter, weshalb die hier durchgeführten Trades erst mit Verzögerung auf den Markt wirken. Indem sie die hier gewonnen Daten schneller zusammentragen als normale Trader, können sich die Hochfrequenzhändler einen Vorteil verschaffen.

Wenn zum Beispiel in einem Dark Pool ein großer Verkauf abgewickelt wird, dann ist klar, dass viele kleinere Verkäufer dem folgen werden, sobald die Information auf dem Markt ankommt. Da dieser Zusammenhang von den High-Frequency-Trader vorhergesehen werden kann, können sie als erstes verkaufen und vermeiden damit etwaige Verluste. Diese Methode ist völlig legal, solange die benötigten Informationen auf legalem Wege eingesammelt werden.

8.

Wo kann ich algorithmisches Krypto-Trading ausprobieren?

Es gibt viele Webseiten, die verschiedenste Arten von algorithmischem Trading anbieten. Diese Strategien können dann auf beliebigen Kryptobörsen gefahren werden.

Es gibt viele Plattformen, auf denen Trader schnell und einfach mit algorithmischem Trading anfangen können. Seiten wie TradeSanta, Bitsgap und Cryptohopper bieten verschiedene Möglichkeiten an, angefangen von kostenlos bis hin zu teuer, je nachdem, welche Tools beansprucht werden. Für Anfänger ist ein kostenloses Konto mit Grundausstattung völlig ausreichend, wohingegen der Umfang der teuren Konten besonders auf Profis zugeschnitten ist.   

In der Regel bieten diese Seiten auch Anleitungen und Lehrmaterial an, damit sich neue algorithmische Trader schnell einleben und ihre passende Strategie finden. Obwohl nicht jeder Service auch mit jeder Kryptobörse kompatibel ist, sind doch die meisten Dienstleister zu den beliebtesten Börsen kompatibel. Einige haben oftmals sogar besondere Aktionen, wenn ihre Bots in Kombination mit einer bestimmten Handelsplattform genutzt werden. Die Auswahl ist also groß.

Es gibt mehr Strategien und Bots als Trader wirklich ausprobieren können, aber dieser Guide sollten die Grundkenntnisse darüber vermitteln, was es beim algorithmischen Trading zu beachten gilt. Trader die sich langsam, aber sicher hineinfuchsen, werden früher oder später die richtige Strategie finden.

Weitere Informationen zu TradeSanta

Haftungsausschluss. Cointelegraph unterstützt keine Inhalte oder Produkte auf dieser Seite. Wir wollen ihnen zwar alle wichtigen Informationen geben, an die wir kommen können, aber Leser sollten selbst recherchieren, bevor sie handeln. Sie sollten die volle Verantwortung für ihre Entscheidungen tragen. Dieser Artikel soll keine Investment-Beratung darstellen..