Quantitativer Handel und algorithmischer Handel: Die wichtigsten Unterschiede

Ein Handelssystem kann mit einem statistischen Modell eine Marktchance erkennen und anschließend per Software den passenden Auftrag erteilen. Weil diese Aufgaben häufig zusammenwirken, werden „quantitativer Handel“ und „algorithmischer Handel“ mitunter gleichgesetzt. Eine hilfreiche Unterscheidung liegt in der jeweiligen Fragestellung: Beim quantitativen Handel geht es darum, wie Daten eine Handelsentscheidung begründen. Beim algorithmischen Handel steht im Vordergrund, wie ein Computer festgelegte Regeln im Handelsprozess anwendet.

Die Grenze zwischen beiden Bereichen ist nicht starr. Ein Algorithmus kann außer Aufträgen auch Handelssignale erzeugen. Umgekehrt kann ein Mensch die Signale eines quantitativen Modells prüfen, bevor ein Auftrag aufgegeben wird. Wer die verschiedenen Aufgaben versteht, kann besser beurteilen, was ein System leistet und wo Fehler entstehen können.

## Was ist quantitativer Handel?

Quantitativer Handel nutzt Mathematik, Statistik und Computertechnik, um überprüfbare Handelsregeln zu entwickeln. Forschende untersuchen beispielsweise Kurse, Handelsvolumen, Unternehmenskennzahlen und andere Daten. Dabei fragen sie, ob ein beobachtetes Marktmuster eine tragfähige Grundlage für eine Strategie bietet.

Angenommen, die Kurse zweier Vermögenswerte haben sich in der Vergangenheit in einer bestimmten Beziehung zueinander bewegt und weichen nun davon ab. Forschende könnten untersuchen, ob sich dieser Abstand später häufig wieder verringert. Ein auffälliges Muster im Chart reicht dafür nicht aus. Die Beziehung muss klar definiert, über verschiedene Zeiträume geprüft und unter Berücksichtigung möglicher Verluste und Handelskosten bewertet werden.

Auch ein überzeugender Rücktest beweist nicht, dass eine Strategie künftig funktioniert. Gute historische Ergebnisse können auf verzerrten Daten beruhen, Informationen verwenden, die zum damaligen Entscheidungszeitpunkt noch nicht verfügbar waren, oder durch eine zu starke Anpassung der Regeln an die Vergangenheit entstehen. Deshalb ist zu prüfen, ob die Idee auch außerhalb der Daten plausibel bleibt, mit denen sie entwickelt wurde.

Quantitativer Handel muss nicht vollständig automatisiert sein. Ein Modell kann Signale liefern, die ein Händler zunächst bewertet. Es kann aber auch an ein System angeschlossen werden, das Positionen festlegt und Aufträge selbstständig übermittelt.

## Was ist algorithmischer Handel?

Beim algorithmischen Handel übernimmt ein Computer Handelsaufgaben nach vorgegebenen Anweisungen. Ein Programm kann eine Kursbedingung überwachen, die Auftragsgröße berechnen, einen Auftrag senden und ihn bei veränderten Marktbedingungen anpassen oder stornieren.

Ein häufiges Beispiel ist die Ausführung großer Aufträge. Hat ein Anleger bereits beschlossen, eine erhebliche Anzahl von Aktien zu kaufen, könnte ein einziger großer Auftrag den erzielbaren Preis beeinflussen. Ein Ausführungsalgorithmus kann den Auftrag in kleinere Teile zerlegen und sie abhängig von der Uhrzeit, dem Handelsvolumen oder anderen Bedingungen übermitteln. Seine Hauptaufgabe besteht hier darin, eine bereits getroffene Entscheidung umzusetzen und dabei Ausführungskosten und Markteinfluss zu berücksichtigen.

Der Begriff wird allerdings auch weiter gefasst. Manche Algorithmen bestimmen selbst, welche Werte gehandelt werden und wie groß die Position sein soll. In der Praxis überschneiden sich algorithmischer und quantitativer Handel daher häufig.

## Wann ist die Unterscheidung wichtig?

Bei der Bewertung einer quantitativen Strategie stehen die Qualität der Daten, die Begründung des Signals, die Aussagekraft der Tests und die eingegangenen Risiken im Mittelpunkt. Bei einem Ausführungsalgorithmus kommen weitere Fragen hinzu: Wann werden Aufträge gesendet? Wie viel Liquidität ist verfügbar? Wie groß ist die Abweichung zwischen erwartetem und tatsächlich erzieltem Preis? Wie zuverlässig arbeitet das System, und wie behandelt es teilweise ausgeführte Aufträge?

Im Live-Handel hängen diese Fragen zusammen. Eine vom Modell erkannte Gelegenheit kann verschwinden, bevor ein Auftrag ausgeführt ist. Umgekehrt macht eine schnelle Ausführung ein unzureichend geprüftes Signal nicht verlässlich. Das Ergebnis hängt sowohl von der Qualität der Handelsentscheidung als auch vom tatsächlich erzielten Preis und den entstandenen Kosten ab.

Auch die Risiken haben unterschiedliche Ursachen. Quantitative Strategien können an Datenverzerrungen, Überanpassung oder verändertem Marktverhalten scheitern. Die automatische Ausführung muss mit verzögerten Informationen, geringer Liquidität, unerwarteten Auftragszuständen und technischen Fehlern umgehen. Kontrollen und Überwachung sollten deshalb den gesamten Weg vom Signal bis zum abgeschlossenen Geschäft erfassen.

## Wie arbeiten beide Ansätze zusammen?

Stellen wir uns ein Modell vor, das Aktien mit einem bestimmten Momentum-Muster erkennt. Zunächst definieren Forschende das Signal genau, testen es unter verschiedenen Marktbedingungen und begrenzen die Handelshäufigkeit sowie das Portfoliorisiko. Ist die Strategie einsatzbereit, kann ein Algorithmus die angestrebten Positionen in Aufträge übersetzen, Handelsbeschränkungen prüfen und die Bestände nach jeder Ausführung aktualisieren.

Die Unterscheidung beschreibt somit unterschiedliche Aufgaben, die ein und dasselbe Handelssystem erfüllen kann. Quantitative Methoden helfen bei der Frage, was aus welchem Grund gehandelt werden soll. Algorithmen setzen Regeln um und können auch an der Entscheidungsfindung beteiligt sein. Eine fundierte Bewertung betrachtet Forschung, Risikosteuerung, Transaktionskosten und tatsächliche Ausführung im Zusammenhang.