Algorithmic Trading

412 Pages·2011·4.7 MB·German

by  Johannes Gomolka

U n i v e r s i t ä t P o t s d a m
Johannes Gomolka
Algorithmic Trading
Analyse von computergesteuerten Prozessen
im Wertpapierhandel unter Verwendung
der Multifaktorenregression
Universitätsverlag Potsdam

Algorithmic Trading

Johannes Gomolka

Algorithmic Trading

Analyse von computergesteuerten Prozessen
im Wertpapierhandel unter Verwendung
der Multifaktorenregression

Universitätsverlag Potsdam
Bibliografische Information der Deutschen Nationalbibliothek
Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der
Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind
im Internet über http://dnb.de/ abrufbar.

Universitätsverlag Potsdam 2011
http://info.ub.uni-potsdam.de/verlag.htm

Am Neuen Palais 10, 14469 Potsdam
Tel.: [phone] / Fax: 3474
E-Mail: [e-mail]

Zugl.: Potsdam, Univ., Diss., 2011

Das Manuskript ist urheberrechtlich geschützt.
Umschlagfotos:
(1) Logenhaus der Berliner Börse um 1952
Mit freundlicher Genehmigung der Berliner Börse.
(2) Handelssaal der Berliner Börse um 2003
Mit freundlicher Genehmigung der Berliner Börse.
(3) Computer-Festplatte [Quelle: Autor]

Online veröffentlicht auf dem Publikationsserver der
Universität Potsdam:
URL http://pub.ub.uni-potsdam.de/volltexte/2011/5100/
URN urn:nbn:de:kobv:517-opus-51009
http://nbn-resolving.org/urn:nbn:de:kobv:517-opus-51009

Zugleich gedruckt erschienen im Universitätsverlag Potsdam:
ISBN 978-3-86956-125-7
Besonderen Dank an meine Eltern
für die Unterstützung
während der Dissertation.

Vorwort
Die vorliegende Arbeit entstand im Zeitraum von April 2008 bis
August 2010 als externer Doktorand am Lehrstuhl für Corporate
Governance und E-Commerce der Universität Potsdam. Mein Be-
treuer, Professor Dr. Christoph Lattemann, gab mir die Möglichkeit,
zur selbstständigen Forschung und stand mir während dieses Zeit-
raums immer beratend zur Seite. Ziel dieser Dissertation war es,
mehr Transparenz im Bereich des computergesteuerten Wertpapier-
handels (Algorithmic Trading) zu schaffen. Es gibt nur wenige Lite-
ratur über Algorithmic Trading und bei Banken und Hedgefonds
herrscht eine „Kultur der Geheimhaltung“. Die Auseinandersetzung
mit dem Thema führte zu der Frage, ob man diese Kultur der Ge-
heimhaltung umgehen und die Eigenschaften von Algorithmic Tra-
ding in den Renditen (z.B. von Hedgefonds) empirisch nachweisen
kann. Dazu mussten zuerst diese Eigenschaften erforscht werden
und danach Renditen ermittelt werden, an denen man diese Eigen-
schaften überprüfen konnte. Eine weitere Schwierigkeit dieser Ar-
beit bestand darin, eine geeignete Methode zu finden, um diese Ei-
genschaften überprüfen zu können. Für diese Dissertation wurde
die Software des Consulting Unternehmens Tempelhove genutzt,
welches im Rahmen des Förderprogramms EXIST von Juni 2008
bis Juni 2009 vom Bundesministeriums für Wirtschaft und Techno-
logie gefördert wurde.
V
Ich danke Professor Christoph Lattemann für die langjährige Unter-
stützung während der Dissertation. Er hat mit seiner konstruktiven
Kritik zur stetigen Verbesserung dieser Arbeit beigetragen und mei-
ne wissenschaftliche Arbeit, auch unter schwierigsten Bedingun-
gen, angeleitet. Mein Dank geht auch an Professor Jan Annaert von
der Universität Antwerpen, der mich bei der Themensuche und der
Literaturrecherche über Multifaktorenmodelle unterstützte. Ich dan-
ke Dr. Sören Kupke und Dr. Dirk Reuter für ihre Unterstützung. Ich
danke Herrn Heinrich Heuser, der mich zur wissenschaftlichen Ar-
beit anleitete und mich die wichtigsten Grundlagen lehrte. Ganz be-
sonderer Dank gilt meinen Eltern und Freunden, die mich bei der
Dissertation unterstützten, und Susanne Grassl, deren unermüdliche
Unterstützung mir half, die Arbeit zu einem Abschluss zu bringen.
Potsdam, 14. Januar 2011
VI