Vor dem Hintergrund politischer, zentralbankgetriebener Börsen und schwindender kurz- bis mittelfristiger Prognosefähigkeit fundamentaler Analysekriterien befasst sich das vorliegende Buch mit der Volatilität als Parameter für vorhandene Marktschwankungen. Die Volatilität wird hierbei zunächst vom Risikoparameter zur synthetischen Assetklasse umgewidmet und dabei in Abgrenzung zu anderen Assetklassen auf Spezifika im Kursverlauf untersucht. Auf der Grundlage der alternativen Darstellung notwendiger Grundlagen technischer Marktanalyse sowie in Anerkenntnis der Überlegenheit quantitativer Handelskonzepte münden die gewonnen Erkenntnisse in ein eigens entwickeltes Handelssystem. Das mit Algorithmen arbeitende automatisierte Handelssystem ist dabei auf das Trading des hergeleiteten Mean-Reversion Effektes der Volatilität ausgelegt. Über die Herleitung des Mean-Reversion Effektes der Volatilität und die hierauf basierende Entwicklung eines Handelssystems hinaus erfolgt ein in mehrfacher Hinsicht differenziertes Backtesting der Handelsergebnisse. Dieses führt zu einer ausgewogenen Validierung der Ergebnisse vorliegender Thesis und ermöglicht schließlich ein differenziertes Fazit.

Textprobe: Kapitel 3.3.1, Setup-Komponenten eines Systems: Einer der grundlegendsten Vorteile von Handelssystemen besteht darin, dass diese sowohl über einen historischen Zeitraum hinweg, als auch in der Gegenwart getestet werden können, ohne reales Kapital einzusetzen. Auf Basis der tabellarischen und grafischen Ergebnisse des sogenannten Backtestings lassen sich dann unterschiedliche Ansätze zur Optimierung und Individualisierung des Systems ableiten. Das erstellte vollautomatische System zeichnet sich vor allem durch die Eliminierung jeglicher Subjektivität und emotionalen Handelns des Traders aus. Dies geht einher mit einer sehr hohen Ausführungsgeschwindigkeit und der Möglichkeit das System um vielfältige Money-Management Ansätze - beispielsweise Positionsgrößenbestimmung - zu erweitern. Damit es hierzu kommt, ist jedoch vorab die Programmierung auf Basis der Definition von Handelssystemen notwendig. Unter einem Handelssystem versteht man demnach ein System von Regeln und Konventionen des Einstiegs in und des Ausstiegs aus einer Position. Das System besteht dementsprechend aus mindestens drei verschiedenen Setup-Komponenten. Zunächst besteht der Kern des Systems aus dem gewählten Algorithmus für den Einstieg, beziehungsweise das Eröffnen von Positionen, was als Entry bezeichnet wird. Dies kann auf Basis von Indikatoren oder anderen statistischen Konzepten geschehen. Nachdem das System über die zugehörige Handelsplattform eine entsprechende Long- oder Short-Position aufgebaut hat, gilt es algorithmische Regeln für den Ausstieg aus eröffneten Positionen zu definieren. Man differenziert hier nach dem Gewinn- und Verlustfall. Als Exit-in-Profit-Case, also dem Ausstieg im Gewinnfall, kann beispielsweise eine Trailing-Stop Strategie, oder auch die Wahl eines festgelegten Limits anhand des Charts oder anhand des persönlichen Gewinnwunsches gewählt werden. Für den Ausstieg im Verlustfall, dem Exit-in-Loss-Case, gibt es wiederum eine Vielzahl vorhandener Ausstiegsmechanismen. Am Anschaulichsten ist dabei der Stop Loss auf Basis eines festgelegten Wertes oder einer Kursmarke, welche absolut oder in Prozent auf Basis des Verlusts des eröffneten Trades bemessen werden kann. Nachdem der Trader sein System über diese drei konstitutiven Kriterien definiert hat, besteht die Herausforderung darin, dass System tatsächlich auch handeln zu lassen und an die gemessene Profitabilität zu glauben, ohne manuelle Eingriffe vorzunehmen. Der Rückgriff zu manuellem, diskretionärem Handeln sollte erst dann vorgenommen werden, wenn sich tatsächlich grundlegend etwas verändert hat, was nicht von den historischen Untersuchungen erfasst werden konnte. 3.3.2, Plattformen zur Implementierung systemischer Handelsstrategien: Die im vorherigen Kapitel beschriebenen Vorteile von systemischen Handelsansätzen kommen erst dann zum Tragen, wenn eine für die entsprechenden Bedürfnisse ausgerichtete Handels- und Systemprogrammierungsplattform verwendet wird. Grundlegend unterscheidet man hierbei zunächst zwischen voll- und halbautomatischen Systemplattformen, zu denen es eine Fülle angebotener Produkte gibt. Zu den halbautomatischen Plattformen zählt unter anderem Excel Visual Basic for Applications (VBA). Excel VBA bietet dabei über die Kapazität von Makros hinausgehende Programmiermöglichkeiten, die sich für die Umsetzung systemischer Handelsstrategien nutzen lassen. Der Vorteil in der Nutzung von Excel VBA besteht vor allem auch darin, dass der Nutzer im Regelfall mit den Grundfunktionalitäten von Excel bereits vertraut ist. Darüber hinaus ist VBA in nahezu jeder Excel-Ausstattung bereits integriert und ersetzt damit kostspielige Programmiersoftware. Über Objekte, Variablen und Operatoren definiert der Programmierer in VBA seine Strategie und ergänzt diese durch sogenannte Kontrollstrukturen. Unter Kontrollstrukturen versteht man die Nutzung von logischen Verknüpfungen, welche die Attribute des Quellcodes logisch miteinander verknüpfen und dabei oftmals Begriffe wie if , then oder else nutzen. Zu berücksichtigen ist an dieser Stelle, dass Excel VBA die Kalkulationen auf Basis importierter Datenreihen durchführt. Excel selbst hat keinerlei Zugriff auf Marktdaten, was dazu führt, dass die Daten manuell durch den Anwender in gewissen Zeitabständen eingespielt werden müssen. Excel VBA zur Programmierung von Handelssystemen funktioniert also nur in Verbindung mit einer entsprechenden Datenplattform. Dies kann beispielhaft Reuters oder Bloomberg sein. Darüber hinaus sei an dieser Stelle noch darauf hingewiesen, dass Excel logischerweise keine Orders ausführt. In VBA können demnach lediglich Signale ausgegeben werden, welche dann wiederum manuell vom entsprechenden Händler über den Broker seiner Wahl in den Markt gegeben werden. In dieser Hinsicht unterscheidet sich Excel VBA grundlegend von den vollautomatischen Systemplattformen. Unter Berücksichtigung der Tatsache, dass das später im Verlauf entwickelte Handelssystem über die Plattform Tradestation implementiert wurde, sei nun auf diese näher eingegangen. Die Tradestation-Plattform verbindet eine Handelsplattform mit einer Analyseplattform […]. Über einen kostenpflichtigen Tradestation Account kann nahezu jedes Finanzinstrument und jeder Basiswert zu sehr geringen Kosten gehandelt werden. Besonders hervorzuheben ist jedoch die Verzahnung mit der Analyseplattform, welche sehr weitreichende Möglichkeiten zur Chartanalyse und darüber hinaus vor allem auch zur Systemprogrammierung bietet. Zur Programmierung verwendet man hierbei eine Programmiersprache namens Easy Language. Dabei handelt es sich im Prinzip um eine intuitiv verständliche Programmiersprache aus der Kombination unterschiedlicher Wörter, Operatoren und Orthographien, mit dem Ziel der Kreation von Algorithmen für den Systemhandel. Da die Analyseplattform nahtlos mit der Handelsplattform verzahnt ist, bieten sich zahlreiche Möglichkeiten des Backtestings des entwickelten Systems, bevor dieses tatsächlich gehandelt wird. Darüber hinaus lassen sich die gewonnenen Auswertungen auch wiederum für Optimierungen des eigenen Ansatzes nutzen. Ein über Tradestation entwickeltes System kann nach seiner Konzeption also zunächst backgetestet werden und anschließend auch realtime in der Gegenwart getestet werden, ohne dass reales Kapital eingesetzt wird. Gewonnene Erkenntnisse, die durch grafische Analysen ergänzt werden, können dann für die Optimierung des Systems verwendet werden, bevor schließlich der reale Handel mit realem Kapital beginnt. 3.3.3, Optimierungsparameter und Performancemessung in Abkehr klassischer Konzepte: Zur Bewertung und Optimierung eines Handelssystems bedarf es der Berücksichtigung der Zielrichtung des entsprechenden Systems, im Einklang mit dem gewählten Underlying. Hinsichtlich der dann gewählten Parameter weicht die Bewertung von Handelssystemen von klassischen Ansätzen ab. Optimierungs- und Perfomanceparameter sind dabei äquivalente Begriffe. Aufgrund des bipolaren Charakters der Rendite wird im Folgenden stellvertretend für Perfomanceparameter stellenweise der Begriff des Risikoparameters verwendet. Klassische Parameter der Risikoquantifizierung wie zum Beispiel der Value-at-risk, oder auch die Sharpe Ratio, basieren meist auf der Volatilität als Risikokennziffer. Dies ist aus hauptsächlich zwei Gründen für systemisch-technische Handelsansätze, speziell für Volatilitätstrading, nicht anwendbar. Volatilität verläuft gemäß den dargelegten Prämissen der technischen Analyse im Allgemeinen - und des Mean-Reversion Effektes der Volatilität im Besonderen - nicht in einer zufälligen Random-Walk Kursbewegung. Stattdessen weist die Volatilität einen Kursverlauf aufeinander folgender Cluster hoher und niedriger Schwankungsbreiten auf, sodass klassische Bewertungssysteme nicht anwendbar sind. Zudem können erst durch gestiegene Volatilitätslevels die benannten Break-Outs aus vorherigen Seitwärtstrends vollzogen, oder auch Trends etabliert werden. Würde man also exemplarisch die Sharpe Ratio als Risiko-/ Performancekennziffer verwenden, so würde sich eine hohe Volatilität per Definition negativ auf die gewählte Kennzahl auswirken. Für den verfolgten Zweck erscheint dies nicht zielführend. Die Effizienz von Handelssystemen wird weitestgehend auf Basis historischer Daten bemessen. Gerade deshalb bedarf es erhöhter Aufmerksamkeit bei der Wahl der Parameter, sodass eine annähernd korrekte Antizipation zukünftiger Effizienz möglich wird. Vor der Programmierung eines jeden Systems hat sich der Trader die Frage zu stellen, welche Ziele mit dem System erreicht werden sollen. Dies ist von elementarer Bedeutung, da nicht jedes System das profitabel ist, auch für den jeweiligen Trader und dessen persönliche Präferenzen geeignet sein muss. Nachdem eine Entscheidung diesbezüglich getroffen ist, wird ein historisches Backtesting durchgeführt. Dabei spielen die gewählten Parameter eine entscheidende Rolle für die Aussagekraft und die Profitabilität des Systems. In Unterscheidung zu den klassischen Ansätzen, welche wie dargelegt meist auf der Volatilität als Risikoparameter beruhen, erfolgt die Perfomancemessung von Systemen durch andere Kennziffern und Parameter. Diese sind unabhängig von der verwendeten System-Plattform anzutreffen und im Folgenden mit ihren Eigenheiten dargestellt. Der Net Profit beschreibt den mit dem Handeln des Systems erwirtschafteten Gewinn. In der Beurteilung von Systemen und insbesondere auch bei der Optimierung derselben, ist darauf zu achten, diesen Parameter lediglich als einen von vielen möglichen Optimierungsparametern anzusehen. Zwar wird eine Aussage zur Profitabilität des Systems getroffen, jedoch ohne Berücksichtigung des maximalen Kapitalverlusts während der Beobachtungsperiode. Auch der damit einhergehende Kapitalbedarf und die daraus resultierende Liquiditätssituation werden also in keinster Weise berücksichtigt. In Ergänzung wird deshalb häufig der sogenannte Profit Factor verwendet. Dieser beschreibt den Quotienten aus Brutto-Gewinn und Brutto-Verlust und stellt damit dar wieviel Geldeinheiten Gewinn im Vergleich zu einer verlorenen Geldeinheit verursacht werden. Hierdurch kann man schon eher ein Gefühl für das eingegangene Risiko entwickeln. Gute Systeme weisen dabei einen Profit Factor von mindestens 1,5 auf. Tiefer im Detail der Analyse befindet man sich, wenn man die Kennziffern Largest Winning Trade/ Largest Losing Trade betrachtet. Diese beschreiben den größten erzielten Gewinn mit einem profitablen Trade, beziehungsweise den größten erzielten Verlust mit einem Verlusttrade. Der Largest Losing Trade kann sehr nützliche Hinweise zum Ausmaß von Verlusten geben und dabei ein Anhaltspunkt für das manuelle Eingreifen in das systemische Handeln sein. Erscheint ein entstandener Verlust im Vergleich zu den Verlusten des historischen Betrachtungszeitraums des Backtestings als exorbitant hoch, so sollte dies den Trader zum manuellen Eingreifen bewegen.

• Algorithmenhandel

• Automatisiertes Handelssystem

• Volatilitätshandel

• Mean-Reversion-Effekt

• Technische Analyse

• Alternative Investments

• Volatilität

• Assetklasse

Elias Hamana begann seine berufliche Karriere im Jahr 2009 bei einer internationalen Großbank mit Hauptsitz in Frankfurt am Main. Sein akademischer Werdegang ist durch eine hohe Affinität zu derivativen Finanzinstrumenten und Tradingstrategien gekennzeichnet. Sowohl die im Jahr 2011 erlangte Auszeichnung als CFE - Certified Financial Engineer - als auch seine berufliche Tätigkeit als Banker inspirierten den Autor maßgeblich bei der Erforschung alternativer Investments und automatisierter Handelsstrategien. Nach Stationen in Stuttgart, Hong Kong und Frankfurt am Main ist der Autor aktuell als Private Banker & Relationship Manager für eine Privatbank Boutique in der Schweiz tätig. Dabei betreut er aus Zürich und Genf heraus hochvermögende Privatkunden und Semi-Institutionelle aus der Region Middle East.