Was ist algorithmischer Handel?

Definition von Algorithmischer Handel

Beim algorithmischen Handel (englisch Algorithmic Trading, kurz Algo-Trading) übernimmt ein Programm die Entscheidung, wann gekauft oder verkauft wird. Grundlage ist ein vorher festgelegtes Regelwerk, zum Beispiel: Kaufe, wenn der Kurs über die 200-Tage-Linie steigt, und verkaufe mit einem Stopp 2 Prozent unter dem Einstieg. Der Computer setzt diese Regeln ohne Zögern und ohne Emotionen um.

Der Begriff ist weit. Er reicht vom Handelsroboter eines Privatanlegers, der Signale aus einer Chart-Software an den Broker weitergibt, über quantitative Strategien von Hedgefonds bis zum Hochfrequenzhandel, bei dem Orders in Sekundenbruchteilen platziert werden. Auch Banken und Fonds nutzen Algorithmen, um große Orders in viele kleine Stücke zu zerlegen und möglichst unauffällig auszuführen.

Algorithmischer Handel ist nicht dasselbe wie künstliche Intelligenz. Klassische Algorithmen arbeiten deterministisch: Gleiche Daten führen zu gleichen Entscheidungen. Methoden des maschinellen Lernens werden vor allem eingesetzt, um Muster in Daten zu finden oder Modelle zu verbessern. Wie gut KI im Trading tatsächlich funktioniert, ist umstritten.

Wie funktioniert eine Strategie im Code?

Ein Handelsalgorithmus besteht meist aus vier Bausteinen: einer Regel für den Einstieg, einer Regel für den Ausstieg, einer Regel für die Positionsgröße und einer Anbindung an den Broker, über die Orders automatisch ausgeführt werden. Bevor Geld eingesetzt wird, prüfen die meisten Entwickler die Regeln in einem Backtest an historischen Kursen.

Wichtig ist der Erwartungswert: Wie viel bringt ein durchschnittlicher Trade nach Kosten? Ein vereinfachtes Beispiel:

Trefferquote	40 %
Durchschnittlicher Gewinn	300 €
Durchschnittlicher Verlust	150 €
Erwartungswert vor Kosten (0,4 × 300 € − 0,6 × 150 €)	30 €
Kosten je Trade (Gebühren, Slippage)	10 €
Erwartungswert je Trade	20 €

Obwohl die Strategie nur 4 von 10 Trades gewinnt, ist sie profitabel, weil die Gewinne doppelt so groß sind wie die Verluste. Bei 500 Trades im Jahr ergäbe das rechnerisch 10.000 Euro. Steigen die Kosten auf 30 Euro je Trade, etwa durch schlechtere Ausführung, bleibt nichts mehr übrig. Gerade bei Strategien mit vielen Trades entscheiden Kosten und Slippage deshalb über Erfolg oder Misserfolg.

Im Betrieb läuft der Algorithmus nicht einfach von allein weiter. Er muss überwacht werden: Stimmen die Daten, werden die Orders korrekt ausgeführt, und passt die Strategie noch zum Marktumfeld? Viele Trader schalten ihre Systeme in bestimmten Marktphasen bewusst ab.

Algorithmischer Handel in der Praxis

Algorithmischer Handel verspricht Disziplin: Ein Programm hält sich an die Regeln, auch nach fünf Verlusten in Folge. Viele Privatanleger sehen darin die Lösung für ihre Emotionen. In der Praxis verschiebt sich die Arbeit aber nur, vom Klicken zum Entwickeln, Testen und Überwachen.

Typische Formen:

• Regelbasierte Strategien: Trendfolge, Ausbrüche oder Mean Reversion, meist auf Basis von Indikatoren wie gleitenden Durchschnitten.
• Quantitative Modelle: Statistische Verfahren und maschinelles Lernen, mit denen Fonds viele Werte gleichzeitig bewerten und Portfolios steuern.
• Ausführungsalgorithmen: Sie teilen große Orders auf, um den Kurs möglichst wenig zu bewegen.
• KI im Trading: Große Sprachmodelle helfen beim Programmieren, bei Analysen und bei der Auswertung von Nachrichten. Dass sie dauerhaft allein profitabel handeln, ist bisher nicht belegt.

Die wichtigsten Risiken:

• Überoptimierung: Eine Strategie, die im Backtest perfekt aussieht, ist oft nur an die Vergangenheit angepasst und scheitert im echten Handel.
• Technische Fehler: Programmierfehler, fehlerhafte Daten oder Verbindungsabbrüche können in kurzer Zeit hohe Verluste verursachen.
• Veränderte Märkte: Strategien, die viele nutzen, verlieren ihren Vorteil. Regeln müssen regelmäßig überprüft und angepasst werden.
• Kosten: Viele Trades bedeuten hohe Gebühren und Slippage.
• Falsche Versprechen: Gekaufte Handelsroboter mit Traumrenditen halten selten, was sie versprechen. Aussagekräftig sind nur nachvollziehbare Ergebnisse aus echtem Handel.

Für Vermögensverwalter ist vollautomatischer Handel außerdem eine Frage der Regulierung: Wer für Kunden automatisiert handelt, braucht dafür die passenden Erlaubnisse.

Algorithmischer Handel bei [Bulle & Mensch]

Bei [Bulle & Mensch] sprechen Gäste aus ganz unterschiedlichen Ecken über algorithmischen Handel. Erik Wimmer entwickelt eigene Handelsroboter und hält die Zukunft des Börsenhandels für vollständig automatisiert. Michael Pisnyachevskiy hat einen Trading-Roboter für Trendfolge gebaut und gelernt, dass solche Systeme ständig nachjustiert werden müssen. Oliver Klemm trat früher gegen die Algorithmen von Banken an und sieht ihren größten Vorteil darin, dass sie keine Psychologie haben. Dr. Hendrik Leber arbeitet mit einem quantitativen Modell, das auf Fundamentaldaten statt auf Kursen beruht, und Marcel Urban erlebt als Quantitative Researcher, dass automatisierte Strategien immer schneller ihren Vorteil verlieren.

Es gibt auch Skepsis. Gregor Labahn glaubt nicht, dass sich Emotionen einfach an eine KI auslagern lassen, und Philipp Haas setzt bewusst auf einen langfristigen, qualitativen Ansatz statt auf Quant-Teams mit Riesencomputern. Rüdiger Born nutzt ein fast maschinelles System, lässt es aber nicht vollautomatisch handeln, weil dafür eine eigene Zulassung nötig wäre. Wieland Arlt und Robin Kömel sind sich einig, dass Algorithmen die Märkte bereits verändert haben.

Was meine Gäste über Algorithmischer Handel sagen

Wörtliche Aussagen aus den Originalgesprächen von [Bulle & Mensch]. Sie geben die Sicht der jeweiligen Gesprächspartner wieder, nur Füllwörter wurden entfernt. Die Sprungmarke führt an die Stelle im Video.

Unterschiedliche Perspektiven

Gast	Ansatz
Rüdiger Born	Fast automatisch, aber ohne Zulassung kein Vollautomat
Oliver Klemm	Algorithmen haben keine Psychologie
Tristan Post	KI-Trading nur mit strikt vorgegebenen Regeln in Code
Dr. Hendrik Leber	Quant-Modell auf Fundamentaldaten statt Kursen
Philipp Haas	Quants handeln kurzfristig, er denkt langfristig
Michael Kranich	Strikt regelbasiert: Signal kommt, Trade folgt
Christoph Gum	Symbiose Mensch und Maschine statt Blackbox
Marcel Urban	Überfüllte Strategien: Alpha verschwindet schneller
Robin Kömel	Algo-Boom verändert Märkte: Backtests nicht zu lang
Gregor Labahn	Emotionen lassen sich nicht an die KI auslagern
Wieland Arlt	Bald handelt fast jeder mit Algorithmen
Erik Wimmer	Zukunft des Börsenhandels: nur noch automatisiert
Michael Pisnyachevskiy	Handelsroboter muss laufend angepasst werden

Die Aussagen im Wortlaut

Fast automatisch, aber ohne Zulassung kein Vollautomat

„Das eine ist sogar ein relativ maschinelles System, also wo man im Prinzip der Computer die Sachen schon scannt und das eigentlich ein fast automatischer Prozess ist. […] Das machen wir aber nicht. Das hat häufig rechtliche Implikation, weil unsere Mandatsgeber in der Regel sagen Ja, aber wir haben keine Zulassung für vollautomatischen Handel.“

Algorithmen haben keine Psychologie

„Die Hauptausrede ist, ich kann mich nicht an meine eigenen Regeln halten. Reine Psychologie. Und Algorithmen haben keine Psychologie.“

KI-Trading nur mit strikt vorgegebenen Regeln in Code

„Aber da hast du eine sehr strikte Automatisierung. […] du gibst ja sehr stark die Regeln vor, unter welchen Regeln es das machen kann. Und das Schöne ist, wir sind ja nicht mehr irgendwie in dem unstrukturierten Daten, sondern […] wir sind dann im Bereich, wo ich das in Code übersetzen kann.“

Quant-Modell auf Fundamentaldaten statt Kursen

„Denn wir sind einer der wenigen auf der Welt, die ein Modell haben, das pur auf quantitativen Fundamentalfaktoren beruht. Auf Kursdaten, da arbeiten viele, aber auf Fundamentaldaten kaum jemand.“

Quants handeln kurzfristig, er denkt langfristig

„Wenn wir in den quantitativen Bereich gehen, da stimmt es sicherlich, wenn man sagt, es gibt irgendwelche Teams mit irgendwelchen 15 Quants und Riesencomputern, das ist ein anderer Ansatz. Die tun irgendwelche liquiden Large Cap Sachen traden und dann hier und dort und kurzfristig. Das ist eigentlich jetzt nicht mein Ansatz […].“

Strikt regelbasiert: Signal kommt, Trade folgt

„Ich handel strikt nach meinem System, komplett strikt nach dem System. […] So wie ich Verkaufssignale bekomme, so handel ich. Und ist dann die Börsenampel auch noch rot, dann wird eine Absicherung auf den entsprechenden Index sozusagen dann gekauft.“

Symbiose Mensch und Maschine statt Blackbox

„Es ist kein Black Box System, sondern es macht Analysen, die wir auf den Tisch bekommen, und wir schauen uns das dann an und handeln dann entsprechend. […] Aber am Ende vom Tag entscheiden wir, welche Aktien wir kaufen, welche Aktien wir verkaufen, wie hoch wir die Gewichtung machen.“

Überfüllte Strategien: Alpha verschwindet schneller

„Immer mehr Leute benutzen tatsächlich ähnliche Strategien. Alpha verschwindet immer schneller. Auch wir müssen unsere Strategien immer öfters anpassen.“

Algo-Boom verändert Märkte: Backtests nicht zu lang

„Die Märkte haben sich da in der Zeit schon sehr verändert. Gerade programmiertes Trading ist natürlich in dieser Zeit immer mehr geboomt. Bots, die automatisch handeln. Ganze Handelssysteme sind immer populärer geworden und deswegen macht es zum Beispiel nicht so super viel Sinn, einen zu langen Zeitraum zu testen.“

Emotionen lassen sich nicht an die KI auslagern

„Ich glaube, dieses Verständnis oder dieses Auslagern von, ich kann mit meinen Emotionen nicht umgehen und deswegen macht das jetzt die KI für mich, ich glaube, das wird nicht funktionieren.“

Bald handelt fast jeder mit Algorithmen

„[…] ich gehe davon aus, dass nahezu jeder mit Algorithmen handelt. Auf die eine oder andere Art. Ob das für jeden gelingt, ist eine andere Sache.“

Zukunft des Börsenhandels: nur noch automatisiert

„Weil die Märkte werden technischer. Ich bin der Meinung, dass grundsätzlich die Zukunft des Börsenhandels nur noch automatisiert ist.“

Handelsroboter muss laufend angepasst werden

„Das heißt, das Gehirn war in TradingView und die Order Execution war dann auf meiner Seite. […] Das Problem bei den Trend Following Strategien ist, dass sie nie einmal erstellt werden und dann einfach laufen und funktionieren, sondern die müssen immer wieder feingetunet werden, angepasst werden.“