Algorithmic Trading im Energiehandel

von Dipl.-Ing. Krischan Keitsch

Auf der E-world 2017 war das sogenannte Algorithmic Trading als Teil der Digitalisierung der Energiewende eines der zentralen Themen. Es stellt sich also nicht mehr die Frage, ob der algorithmische Handel zunehmend wichtiger für Unternehmen wird, sondern wie sich Unternehmen hierzu positionieren.

Dabeisein ist alles?

Auch wenn Algorithmic Trading ein starker Trend ist, will der Einstieg bzw. der Umstieg auf eine derartige Handelsautomatisierung wohl analysiert und geplant sein. So locken die Kosteneinsparungspotenziale und Chancen, neue Produkte mit kürzeren Vorlaufzeiten und weitere Märkte im 24/7-Modus zu handeln. Auch die Risiken müssen abgewägt werden, um unerwünschtes Verhalten und unkontrollierte Folgereaktionen wie zum Beispiel einen sogenannten Flash Crash zu vermeiden – Algorithmic Trading ist dann doch mehr als nur ein bloßer Satz von Algorithmen.

Unternehmensstrategie Algorithmic Trading

Ist die Entscheidung gefallen, den eigenen Energiehandel zu automatisieren, stellen sich unmittelbar daraufhin viele Fragen, wie dies erreicht werden kann:

Ist die eigene vorhandene Infrastruktur geeignet? Welche Märkte sollen angesprochen werden? Welche Commodities sollen automatisiert gehandelt werden? Und: Was genau ist der Use Case? Offene Positionen schließen? Arbitrage? Flexibilitäten automatisiert vermarkten? Eigenhandel?

Reicht eine kleine und schlanke Lösung mit einer einzigen Marktanbindung wie zum Beispiel an die europäische Strombörse European Power Exchange (EPEX SPOT)? Oder sollen mehrere Märkte und Commodities gleichzeitig gehandelt werden? Kann auf eine Lösung in der Cloud zurückgegriffen werden, oder ist eine Installation des Systems im eigenen Rechenzentrum vorteilhafter?

Reichen vorgefertigte Algorithmen aus? Oder ist geplant, eigene Handelsstrategien umzusetzen? Stehen Quant-Experten und Entwickler hierfür im Unternehmen zur Verfügung? Oder wird Beratung und Unterstützung benötigt? Welche IT-seitigen Sicherheitsnetze sind bereits gespannt und erforderlich, um einen reibungslosen Betrieb zu ermöglichen?

Wie lassen sich Handelsalgorithmen im Detail evaluieren? Hilft ein sogenanntes Back Testing (s. u.) mit historischen Marktdaten wirklich? Oder ist die Aussagekraft begrenzt, da sich der Markt ohnehin so rasant ändert?

Fragen über Fragen

Alle Fragen können an dieser Stelle nicht beantwortet werden, so dass daher auf die Evaluationsmöglichkeiten von Handelsalgorithmen fokussiert werden soll. In diesem Zusammenhang ist zunächst das Back Testing zu nennen.

Hierbei werden in einer Simulationsumgebung historische Marktdaten stark beschleunigt eingespeist, und ein zu testender Handelsalgorithmus angewendet. Diese Informationen sollten in Form von Tick-Daten vorliegen, und somit nicht nur Settlement-Daten, sondern alle eingestellten Orders und Trades beinhalten. Damit kann sichergestellt werden, dass ein Handelsalgorithmus innerhalb der Simulation die Entwicklungen der Preise und Volumina der unterschiedlichen Kontrakte verfolgen kann und anhand seiner implementierten Strategie handelt. Eine Berücksichtigung von Market Impacts ist so bedingt möglich, indem die eingespielten Orderbücher innerhalb der Simulation angepasst werden, um die Handelsaktivitäten des Algorithmus zu berücksichtigen.

Die eigentliche Evaluation des Algorithmus ist abhängig von seinem Einsatzzweck. Soll der Handelsalgorithmus dazu verwendet werden, eine offene Position unter Berücksichtigung von Restriktionen wie vorgegebenen Limits zu schließen, bietet es sich an, die Handelsaktivitäten anhand des „volumengewichteten Durchschnittskurses“ (engl.: Volume Weighted Average Price, VWAP) zu bewerten. Konnte der Algorithmus seine Position günstiger schließen als der Markt? Ist es dem Handelsalgorithmus gelungen, jeweils vor Gate Closure, also Liefer- bzw. Erfüllungszeitpunkt, die Position komplett zu schließen? Oder sind noch Restmengen offen geblieben?

Back Testing eignet sich jedoch nur für historische Marktsituationen. Reicht dies angesichts volatiler und dynamischer Marktentwicklungen? Beispielsweise wurden Ende März auf der EPEX SPOT Halbstundenprodukte eingeführt. In historischen Marktdaten sind diese Produkte bisher nicht enthalten. Wie ist in diesem Fall zu verfahren?

Eine Möglichkeit stellt eine agentenbasierte Marktsimulation dar. Hierbei simulieren Software-Agenten einen Markt, indem sie, aufbauend auf vorgegebenen Szenarien, fiktive Orders in eine Marktsimulation einstellen. Ein weiterer Softwareagent fungiert als Antagonist und räumt den Markt. Ein zu testender Handelsalgorithmus muss sich in dieser Simulation behaupten. Neben den Szenarien, mit denen sich nie dagewesene Marktsituationen durchspielen lassen, bietet die agentenbasierte Marktsimulation die Möglichkeit, alle Aktivitäten in Echtzeit zu verfolgen.

Alles wird gut

Die beiden vorgestellten Möglichkeiten zur Evaluation von Handelsalgorithmen entlassen den (menschlichen) Market Access Trader jedoch nicht aus seiner Verantwortung. Er / sie muss auch weiterhin alle Aktivitäten und Bewegungen an den Märkten im Auge behalten, um im Handlungsfall schnell reagieren zu können. Handelsalgorithmen stellen mit der beschriebenen vorgeschalteten Qualitätssicherung eine wichtige Zweitmeinung und somit eine wertvolle Unterstützung dar. So fällt es leichter, mehrere Portfolien und Märkte im Blick zu haben und sich auf das Wesentliche zu konzentrieren: die Optimierung von Handelsstrategien und die daraus resultierende Maximierung der Handelserlöse.


Weitere Informationen rund um das Thema Algorithmic Trading und den diesbezüglichen Beitrag auf dieser Internetseite können gerne jederzeit beim Autor dieses Artikels unter der Internetseite https://krischan-keitsch.de/ erfragt werden.