Algorithmic Trading

Transcription

Algorithmic Trading

Rechtliche Rahmenbedingungen nach dem
Hochfrequenzhandelsgesetz
(„HFTG“)
Jochen Kindermann,
Partner,
Financial Services
BAI Insight 14
Hochfrequenzhandel –
Mythos und Realität
29. Januar 2013
Agenda
Hintergrund
Stand des Verfahrens
Regelungsbereiche
Adressaten und Methoden
Hochfrequenzhandel
Definition und Anforderungen
Algorithmischer Handel
Handelsplätze
Pflichten und Sanktionen
Hochfrequenzhandel
EU (MiFID 2) und weitere Länderinitiativen
Ausblick
Änderungen und Auswirkungen
© Simmons & Simmons 2009
2 /
Doc ID: L_LIVE_EMEA2:7338349v1
Hintergrund (1) – Marktanteil Hochfrequenzhandel
■
70% der Börsengeschäfte in den USA
■
40% der Börsengeschäfte in
Deutschland
■
60% der Börsengeschäfte in
Großbritannien
■
“Vernachlässigbares”
Handelsaufkommen an der HKEX
3 /
Hintergrund (2) – Herausforderungen und Ziele
■
Herausforderungen / Gefahren des HFT
–
–
–
■
Marktmanipulation
Kaskadeneffekte
Überlastung der Handelssysteme
Ziele der HFT-Regulierung
–
–
–
–
–
Steigerung der Stabilität und Integrität der deutschen
Finanzmärkte
Minimierung von Marktrisiken
Verhinderung von Marktmanipulation
Aufsichtslücke schließen
Schutz langfristiger Investoren
4 /
Hintergrund (4) – Zeitlicher Ablauf
Verabschiedung und Inkrafttreten
Q1/13
Anhörung im Ausschuss
01/13
Unterrichtung durch BReg
12/12
1. Beratung BTag, Überweisung Ausschuss
11/12
2. Entwurf BReg
11/12
1. Durchgang BRat, Stellungnahme
11/12
Plenarantrag Hessens
11/12
Entwurf BReg
09/12
Entwurf BMF
Antrag Regierungsfraktion
Vorschlag Schäuble
5 /
07/12
03/12
03/12
Agenda
Hintergrund
Regelungsbereiche
Hochfrequenzhandel
Handelsplätze
Hochfrequenzhandel
Ausblick
6 /
Regelungsbereiche (1) – Abgrenzung Algotrading und
HFT
■
■
(“Algotrading”) und
Hochfrequenzhandel (“highfrequency-trading” – HFT) als
Teil des elektronischen Handels
Algorithmischer
Handel
“Du könntest das System
laufen lassen und an den
Strand gehen.” *
HFT
Reporting, Compliance
* FTD “Hochfrequenzhandel - schnell
und unberechenbar ” vom 13.04.2012
7 /
Erlaubnis
Regelungsbereiche (2) – HFT und Algotrading
Hochfrequenzhandel
Algorithmischer
Handel
„Kaufen oder Verkaufen von Finanzinstrumenten für eigene Rechnung als
unmittelbarer oder mittelbarer Teilnehmer […]
mittels des Einsatzes von Rechnern,
• die in Sekundenbruchteilen
• Marktpreisänderungen erkennen,
• Handelsentscheidungen
nach
vorgegebenen
Regeln
selbständig
treffen und
• die
zugehörigen
Auftragsparameter
entsprechend dieser Regeln selbständig
bestimmen, anpassen und übermitteln,
auch ohne Dienstleistung für andere“
„Betreiben
des
Handels
mit
Finanzinstrumenten in der Weise, dass
• ein Computeralgorithmus
• die
Auftragsparameter
einzelnen
automatisch bestimmt,
ohne dass es sich um ein System handelt, das
nur zur Weiterleitung von Aufträgen zu einem
oder mehreren Handelsplätzen oder zur
Bestätigung von Aufträgen verwendet wird
(algorithmischer Handel).
Auftragsparameter im Sinne des Satzes 1 sind
insbesondere Entscheidungen, ob der Auftrag
eingeleitet werden soll, über den Zeitpunkt,
Preis oder Quantität des Auftrags oder wie der
Auftrag nach seiner Einreichung mit
eingeschränkter oder überhaupt keiner
menschlichen Beteiligung bearbeitet wird.“
§ 1 Abs. 1a Nr. 4d KWG Entwurf
§ 33 Abs. 1a WpHG Entwurf
8 /
Agenda
Hintergrund
Regelungsbereiche
Hochfrequenzhandel
Handelsplätze
Hochfrequenzhandel
Ausblick
9 /
Hochfrequenzhandel – Definition Eigenhandel nach
§ 1 Abs. 1a Nr. 4 KWG
Eigenhandel
„Das kontinuierliche Anbieten des Kaufs oder Verkaufs von Finanzinstrumenten an
einem organisierten Markt oder in einem multilateralen Handelssystem zu selbst
gestellten Preisen, das häufige organisierte und systematische Betreiben von
Handel für eigene Rechnung außerhalb eines organisierten Marktes oder eines
multilateralen Handelssystems, indem ein für Dritte zugängliches System
angeboten wird, um mit ihnen Geschäfte durchzuführen, oder die Anschaffung
oder Veräußerung von Finanzinstrumenten für eigene Rechnung als
Dienstleistung für andere (Eigenhandel)“
10 / Doc ID: L_LIVE_EMEA2:7338349v1
Hochfrequenzhandel – Erlaubnispflicht
Pflichten für unmittelbare Teilnehmer (D/EU)
Heute
■
Strenge Voraussetzungen für die
Zulassung nach § 19 BörsG i.V.m.
§§ 26 ff Börsenordnung für die
Eurex
–
Ordnungsgemäße Geschäftsabwicklung muss sichergestellt sein
–
Ordnungsgemäße technische
Anbindung an Handels-EDV muss
bestehen
–
EUR 50.000 Eigenkapital,
Bankerlaubnis oder Passport nach
§ 53b KWG
Neu
Deutschland
EU
Händler
Händler
Erlaubnis
+
Zulassung
Passport*
+
Zulassung
Börse/
MTF
*§ 53b KWG
Pflichten für mittelbare Teilnehmer (D/EU)
Händler mit
Erlaubnis nach
§ 32 KWG
Händler aus
Deutschland
Händler aus
der EU
mit Passport
Händler ohne
bisherige
Erlaubnis
Deutschland
EU
Händler
Händler
Erlaubnis
Passport
Teilnehmer
Börse/
MTF
Pflichten für mittelbare Teilnehmer (Drittstaat)
■
■
Drittstaat
Auch mittelbare Teilnehmer aus
Drittstaaten werden erfasst
Händler
Voraussetzungen
–
Erlaubnis nach § 32 KWG
–
Erlaubnis in einem Mitgliedstaat +
Passport
–
Ausnahmen nach § 53c KWG?
o Für wenige Länder möglich
o Formalistisch und zeitraubend
Deutschland
Mitgliedstaat
Ausnahmen?
Erlaubnis
Passport
Teilnehmer
Börse/
MTF
Hochfrequenzhandel – Erlaubnisvoraussetzungen
■
Finanzdienstleistungen nach § 1 Abs. 1a KWG dürfen gemäß § 32 KWG nur
mit schriftlicher Erlaubnis der BaFin betrieben werden
–
Straftat und keine bloße Ordnungswidrigkeit
■
Physische Präsenz in Deutschland
■
Kapitalanforderungen
–
EUR 730.000 Eigenkapital
■
Fortlaufende Meldepflichten
■
Übergangsphase geregelt in § 64p KWG n.F.
–
Vorübergehende Erlaubnis für neuerdings erfasste Unternehmen
–
Erlaubnisantrag muss innerhalb eines Monats, nachdem das
Hochfrequenzhandelsgesetz in Kraft tritt, gestellt werden
–
Bei bestehender Erlaubnis muss kein neuer Antrag gestellt werden
Hochfrequenzhandel – Kritikpunkte
■
■
Bundesrat
–
Regt Mindesthaltefrist an
–
Erlaubnispflicht soll entfallen und durch
strengeres Reporting ersetzt werden
Industrie
–
Erlaubnispflicht nach dem KWG keine
Verbesserung der Aufsichtsqualität
–
Jährlichen Zusatzkosten von EUR 50.000 bis
150.000 für Handelsteilnehmer, die bisher
keine KWG-Erlaubnis benötigten
–
Wettbewerbsnachteile für dt. Markt
–
Unscharfe Abgrenzung von Algotrading und
HFT
Agenda
Hintergrund
Regelungsbereiche
Hochfrequenzhandel
Handelsplätze
Hochfrequenzhandel
Ausblick
Algorithmischer Handel – Definition nach
§ 33 Abs. 1a WpHG Entwurf
„Handel mit Finanzinstrumenten in der Weise betreiben, dass ein
Computeralgorithmus die einzelnen Auftragsparameter automatisch
bestimmt, ohne dass es sich um ein System handelt, das nur zur Weiterleitung
von Aufträgen zu einem oder mehreren Handelsplätzen oder zur Bestätigung
von Aufträgen verwendet wird (algorithmischer Handel).
Auftragsparameter im Sinne des Satzes 1 sind insbesondere Entscheidungen, ob
der Auftrag eingeleitet werden soll, über den Zeitpunkt, Preis oder Quantität des
Auftrags oder wie der Auftrag nach seiner Einreichung mit eingeschränkter oder
überhaupt keiner menschlichen Beteiligung bearbeitet wird.“
Algorithmischer Handel – Organisationspflichten
■
“Belastbare” Handelssysteme mit “angemessenen”
Handelsschwellen und -obergrenzen
■
Vermeidung von
■
–
Übermittlung fehlerhafter Aufträge
–
Funktionsweise, die Marktstörungen verursachen kann
Handelssysteme dürfen nicht für einen Zweck
verwendet werden können, der gegen
–
Marktmissbrauchsvorschriften oder
–
Vorschriften des Handelsplatzes verstößt
■
“Wirksame” Notfallvorkehrungen
■
Dokumentation jeder Änderung verwendeter
Computeralgorithmen
Algorithmischer Handel – Transparenz und Compliance
■
“Algo-Identifier”: Elektronische Kenntlichmachung jeglicher algorithmisch
generierter Orders – “Flagging” nach § 16 Abs. 2 BörsG n.F.
■
Prüfung und Überwachung der eigenen Systeme
■
Spezielles Auskunftsrecht der Aufsichtsbehörden nach
§ 3 Abs. 4 BörsG n.F. und § 4 Abs. 3a WpHG n.F.
■
–
BaFin, Börsenaufsicht, Handelsüberwachungsstellen
–
Jederzeit Anspruch auf Informationen zu algorithmischem Handel und
Systemen
–
Beschreibung der algorithmischen Handelsstrategien und deren Parameter
Untersagungsbefugnis für bestimmte algorithmische Handelsstrategien
Algorithmischer Handel – Marktmanipulation
■
■
Potenziell marktmanipulative Handelspraktiken nach ESMA
–
Ping Orders
–
Quote-Stuffing
–
Momentum Ignition
–
Layering und Spoofing: Schreiben der BaFin vom 18. Dezember 2012
Marktmanipulation nach MaKonV n.F.
Wenn gehandelt wird, um
–
das Funktionieren des Handelssystems zu stören oder zu verzögern,
–
die Ermittlung echter Kauf- oder Verkaufsaufträge im Handelssystem
für Dritte erschwert wird,
–
ein falscher oder irreführender Eindruck hinsichtlich des Angebots oder
der Nachfrage bei einem Finanzinstrument erweckt wird.
Algorithmischer Handel – Kritikpunkte
■
■
■
Bundesrat
–
Empfiehlt Aufschieben einer nationalen
Regelung bis MiFID 2
–
Stattdessen zusätzliche ComplianceAnforderungen
Industrie
–
Voreiliges Handeln des deutschen
Gesetzgebers
–
Keine klare Abgrenzung der verschiedenen
Handelsarten
EZB: „Trader-ID“ einführen
Agenda
Hintergrund
Regelungsbereiche
Hochfrequenzhandel
Handelsplätze
Hochfrequenzhandel
Ausblick
Handelsplätze – Zusätzliche Vorkehrungen
■
■
Verpflichtung “geeignete” Vorkehrungen zu
treffen, auch bei hoher Volatilität eine
ordnungsgemäße Ermittlung des Börsenpreises
sicherzustellen (§ 24 Abs. 2 a BörsG n.F.)
–
Kurzfristige Änderungen des Marktmodells und
kurzzeitige Volatilitäsunterbrechungen
–
Limitsysteme
–
§ 16 Börsenordnung für die Eurex
Separate Entgelte/Gebühren für “übermäßige”
Nutzung nach § 17 Abs. 4 BörsG
–
“Wirksame” Höhe der Entgelte/Gebühren
–
Sonderstellung: Teilnehmer, die Preise feststellen
Handelsplätze – Order-Transaktions-Verhältnis
■
■
■
Gewährleistung eines “angemessenen” Verhältnisses im Sinne des
§ 26a BörsG n.F.
–
Jeweils für ein Finanzinstrument
–
Volumen innerhalb eines Monats
“Wirtschaftlich” nachvollziehbar
–
Liquidität des Finanzinstruments
–
Konkrete Marktlage oder
–
Funktion des handelnden Unternehmens
Verhältnis muss bestimmt werden
–
■
durch Börsenordnung (Börse/MTF) oder Rechtsverordnung (MTF)
Festlegung einer “angemessenen” Mindestpreisänderungsgröße
(§ 26b BörsG n.F.)
Handelsplätze – Sanktionen
■
Sanktionen nach § 19 Abs. 8 BörsG
n.F.
–
Order-Transaktions-Verhältnis nicht
eingehalten
–
Ruhen der Zulassung längstens für die
Dauer von sechs Monaten
–
Widerruf der Zulassung bei wiederholten
Verstößen
Agenda
Hintergrund
Regelungsbereiche
Hochfrequenzhandel
Handelsplätze
Hochfrequenzhandel
Ausblick
Vergleich – Zeitplan MiFID 2
Vergleich – Aktueller Stand
■
■
■
Teilweise abweichende
Entwürfe von Parlament und
Kommission
Regelungen in anderen Ländern
–
F: Transaktionsteuer
–
HK: Algotrading reguliert
–
GB/USA: keine Regelungen
Weiterhin Einfluss durch BASEL
III, UCITS und Entwicklung der
Märkte
BASEL III
MAD
UCITS
MiFID
2
Nationale
Regelungen
DoddFrank-Act
EMIR
Vergleich – Definition Hochfrequenzhandel
MiFID 2 Art. 4 No. 30a
„Einsatz
von
Rechnern,
die
in
Sekundenbruchteilen
Marktpreisänderungen
erkennen,
Handelsentscheidungen
nach
vorgegebenen Regeln selbständig treffen und die
zugehörigen Auftragsparameter entsprechend
dieser Regeln selbständig bestimmen, anpassen
und übermitteln, auch ohne Dienstleistung für
“‘High frequency algorithmic trading technique’
means any algorithmic trading technique
characterised by:
(a) infrastructure intended to minimise network
and other types of latencies, including at least one
of the following facilities for algorithmic order entry:
co- location, proximity hosting, or high speed
direct electronic access;
(b) system determination of order initiation,
generating, routing or execution without human
intervention for individual trades or orders; and
(c) high message intraday rates which constitute
orders, quotes or cancellations.”
andere“
Neueste
Kompromissversion
Vergleich – Algorithmischer Handel
MiFID 2 Art. 4 No. 30
„Handel mit Finanzinstrumenten in der Weise
betreiben, dass ein Computeralgorithmus die
einzelnen
Auftragsparameter
automatisch
bestimmt, ohne dass es sich um ein System
handelt, das nur zur Weiterleitung von Aufträgen
zu einem oder mehreren Handelsplätzen oder zur
Bestätigung von Aufträgen verwendet wird
(algorithmischer Handel).
Auftragsparameter im Sinne des Satzes 1 sind
insbesondere Entscheidungen, ob der Auftrag
eingeleitet werden soll, über den Zeitpunkt, Preis
oder Quantität des Auftrags oder wie der Auftrag
nach seiner Einreichung mit eingeschränkter oder
überhaupt keiner menschlichen Beteiligung
bearbeitet wird.“
“‘Algorithmic trading’ means trading in financial
instruments where a computer
algorithm automatically determines individual
parameters of orders such as whether to initiate
the order, the timing, price or quantity of the order
or how to manage the order after its
submission, with limited or no human intervention.
This definition does not include any
system that is only used for the purpose of routing
orders to one or more trading venues or for
the confirmation of orders.“
Neueste
Kompromissversion
Vergleich – Europäische Regelungen
■
MiFID 2 zu Hochfrequenzhandel
–
Kommissionsentwurf: Weitgehende Übereinstimmung mit dem deutschen
Regierungsentwurf
–
Parlamentsentwurf: Änderungsvorschläge beinhalten deutlich strengere Regulierung
o
o
o
■
Mindesthaltefrist von 500 Millisekunden
Definition von Hochfrequenzhandelsstrategien
Fortlaufende Anpassung an technische Neuerungen
MiFID 2 zu Algotrading
−
Kommissionsentwurf: Weitgehende Übereinstimmung mit dem
−
Parlamentsentwurf: Änderungsvorschläge, beinhalten deutlich strengere Regulierung
Agenda
Hintergrund
Regelungsbereiche
Hochfrequenzhandel
Handelsplätze
Hochfrequenzhandel
Ausblick
Ausblick – Änderungen und Auswirkungen
■
■
Anhörung des Wirtschafts- und
Finanzausschuss am 16. Januar 2013
–
Änderung der Definition
–
Prüfung von Mindesthaltefristen bzw.
-verweildauer
MiFID 2
–
Ersetzt nationale Regelungen
–
Orientierung an deutschen Gesetzen (?)
Jochen Kindermann
Partner, Financial Services
+49 (0)69 907 454 43
jochen.kindermann@simmons-simmons.com
simmons-simmons.com
elexica.com
Hochfrequenzhandel
Prof. Dr. Erik Theissen, Universität Mannheim
BAI Insight 14, Frankfurt, 29. Januar 2013
Overview
1
2
3
4
Characterization
Theory
Empirical Evidence
Regulatory Responses
Hochfrequenzhandel – BAI Insight, 29. Januar 2013 - Prof. Dr. Erik Theissen
2
Overview
1
2
3
4
Characterization
Theory
Empirical Evidence
3
4
Algorithmic Trading
Characterization
Algorithmic Trading: Order placement decision (and
execution) made by computers according to specific rules
(algorithms)
Algo trading is very short-term (Typically no overnight
positions). It is thus unlikely to contribute to long-term
problems such as bubbles (Fabozzi et al. 2011)
Forms:
• Smart Order Execution Systems (SOES)
• Arbitrage
• High Frequency Trading (in the narrow sense)
• Market Making
4
5
Algorithmic Trading
Characterization
Smart Order Execution Systems (SOES)
• Breaking up large orders optimally over time and across
trading venues to minimize trading costs
• Example (Lebedeva et al. 2009) :
SOES result in a reduction of average order and trade size!
(see empirical evidence below)
5
6
Algorithmic Trading
Characterization
Algorithmic Arbitrage
• Fast identification and exploitation of arbitrage
opportunities (pure arbitrage and “risk arbitrage”)
• Examples
- same instrument in different trading venues
- spot versus derivatives markets
6
7
Algorithmic Trading
Characterization
High Frequency Trading (in the narrow sense)
• Trading in one instrument / one market
• Possible motives
- “Picking off” stale limit orders
- Exploiting short-term price movements
7
8
Algorithmic Trading
Characterization
Market-Making
• Hagströmer and Norden (2012) report (using Swedish data)
that market making accounts for about 2/3 (!) of HF trading
• Menkveld (2011) analyzes one HF trader who is (very)
actively trading Dutch Stocks in Euronext and Chi-X
• Trader makes 1,397 trades per stock / per day (!)
• Trader earns € 1.55 per trade on the spread and incurs a
“positioning loss” (adverse selection cost) of € 0.68 per trade
8
9
Algorithmic Trading
Characterization
Two important terms:
• Latency: The time from order submission to trade confirmation, measured in milliseconds or even microseconds
• Co-location: Market participants place their trading servers
adjacent to the exchange computers. This proximity reduces
latency
9
Algorithmic Trading
Characterization
10
The importance of latency:
Riordan and Storkemaier (2009), p. 2
10
Algorithmic Trading
Characterization
11
Other institutional issues:
• Specific order types may favor high-frequency traders (a
recent FAX article (Sept 22, 2012) mentions the existence of
>1,000 instruction sets)
• HFT requires high investments (a recent estimate (FAZ Nov.
27, 2012) is € 15-17.5 million p.a. for hardware, energy and
communication)
11
Overview
1
2
3
4
Characterization
Theory
Empirical Evidence
12
Algorithmic Trading
Theory
13
Equilibrium Algorithmic Trading (Biais et al. 2010)
• Two advantages of fast traders
- locate profitable trading opportunities
- process new information faster (which increases adverse
selection)
• Algo trading produces negative externalities (the adverse
selection) which induces slow traders to also invest in algo
trading technology
• Consequence 1: The equilibrium level of algo trading may
be sub-optimally high
• Consequence 2: Because of fixed costs of algo trading
technology large institutions are favored
13
14
Algorithmic Trading
Theory
A Dysfunctional Role of HF Trading (Jarrow and Protter 2011)
• Two main assumptions: a) Demand curves slope down and
b) speed of transacting differs across traders
• Under these conditions, algo traders may create price trends
(mispricing) which they exploit
• Result: Algo trading may increase volatility, and algo traders
may gain at the expense of ordinary traders
HFT and Liquidity traders (Cartea and Penalva 2011)
• HFT hurts liquidity traders by increasing their price impacts
• HFT increases volatility
14
Algorithmic Trading
Theory
15
Summary in a nutshell:
• HFT may be bad
15
Overview
1
2
3
4
Characterization
Theory
Empirical Evidence
16
Algorithmic Trading
Empirical Evidence
17
On the importance of high frequncy trading:
Brogaard 2010, Figure 1
17
Algorithmic Trading
Empirical Evidence
18
Algos also account for the bulk of trading in Germany’s Xetra
system. They have larger market share for smaller trade
sizes:
Hendershott and Riordan 2012, Table 3.A
18
Algorithmic Trading
Empirical Evidence
19
What algo traders do (evidence from Germany’s Xetra
system):
Hendershott and Riordan 2012, Abstract, emphasis added
19
Algorithmic Trading
Empirical Evidence
20
Exchanges offer rebates to high-volume algo traders rebates in Xetra as a function of monthly (!) € volume:
(Identification through specific accounts)
Hendershott and Riordan 2012, Table 1
20
Algorithmic Trading
Characterization
21
Average quotes per minute (source: Angel et al. 2011, p. 17)
21
Algorithmic Trading
Characterization
22
Ratio of cancellations to executions (source: Angel et al. 2011, p. 18)
22
23
Algorithmic Trading
Durchschn. NYSE Transaktionsgröße ( Angel et al. 2011, p. 16)
23
Algorithmic Trading
Empirical Evidence
24
Algo Trading and Liquidity (Brogaard 2010)
• Uses a large data set from Nasdaq that identifies high
frequency traders
• Result: These traders earn money, but their activity
increases liquidity (they are frequently at the BBO) and they
contribute to price discovery
• Punchline: “These findings suggest that HTF’s activities are
not detrimental to non-HTFs and that HTF tends to improve
market quality.”
• Hasbrouck and Saar (2011, NASDAQ data), Hendershott et
al. (2011, NYSE), Litzenberger et al. (2012, NASDAQ and
BATS) and Malinova et al. (2012, Canada) arrive at similar
conclusions
24
Algorithmic Trading
Empirical Evidence
25
Percent of time a high frequency trader is at the best bid or
ask:
Brogaard 2010, Table 2
25
Algorithmic Trading
Empirical Evidence
26
Algo Trading and the “Flash Crash”
Kirilenko et al. (2011) analyze the “flash crash” on May 6,
2010 and conclude “that HTFs did not trigger the Flash
Crash, but their response to the unusually large selling
pressure on that day exacerbated market volatility.”
26
Algorithmic Trading
Empirical Evidence
27
Algo trading is beneficial (only) for large caps:
Source: Boehmer et al. 2012, Table 3 [RQS/RES=quoted/effective spread;
RPI/RRS=price impact/realized spread]
27
Algorithmic Trading
Empirical Evidence
28
Boehmer et al. (2012) find (for a large international sample) that
algo trading increases volatility:
(Identification: first availability of co-location facilities)
Source: Boehmer et al. 2012, Table 5 [various measures of volatility]
Zhang (2010) confirms the result that volatility increases
28
Algorithmic Trading
Mini Case: Knight Capital
29
Knight Capital
• U.S. brokerage and market making firm, active in equity,
bond and forex markets, founded in 1995
• Customers are retail brokers, large fund companies like
Vanguard, and others
• Employs algorithms (e.g. smart order routing systems)
What happened?
• On August 6, 2012, “a software glitch caused a flurry of
unintended trades” (Economist, 11.8.2012, p. 57)
• Knight lost 440 million dollars
• The SEC refused to void most of the mistaken trades
• Circuit breakers are not “switched on” in the first 15 minutes
29
30
Algorithmic Trading
Mini Case: Knight Capital
The consequences:
• Knight was facing bankruptcy. The firm was not “too big to
fail”
• Management arranged a 400 million equity injection (from
investment banks, a private equity firm, brokerages and
even a competitor)
• The original owners of Knight surrenderd more than 70% of
the equity to the new investors
• In December 2012 Knight was taken over by Chicago-based
Getco, a leader in the HFT industry
• “[J]ust a few moments of electronic idiocy can cost a firm
everything” (Economist, 11.8.2012, p. 57.
30
Algorithmic Trading
Empirical Evidence
31
(Even) “market experts” (analysts; >75% from banks) are
feeling uneasy: Responses from a survey of 193 industry
experts conducted by ZEW (published in ZEW
Finanzmarktreport April 2010)
31
Algorithmic Trading
Empirical Evidence
32
Results from ZEW Finanzmarktreport April 2010 (contd.)
32
Algorithmic Trading
Empirical Evidence
33
Summary of the empirical evidence so far:
• Most papers find no convincing evidence that algo trading
is bad
• HFT may have contributed to the severeity of the Flash
Crash
• Algo liquidity may disappear in hard times (see the flash
crash episode)
“HFT liquidity, evident in sharply lower peacetime bid-ask spreads,
may be illusory. In wartime, it disappears”
(A. Haldane, Bank of England, cited by The Economist, Aug. 6, 2011,
p. 55)
33
Algorithmic Trading
Empirical Evidence
34
Summary of the empirical evidence so far (contd.):
• Boehmer et al. (2012) is more sceptical
- increases in volatility
- decreases in liquidity for small caps
• Operational Risk (see Knight Capital)
• There is evidence of “quote stuffing” (Gai et al. 2012)
- submitting/cancelling many orders to slow down trading
• There is a general feeling of “uneasiness”
34
Overview
1
2
3
4
Characterization
Theory
Empirical Evidence
35
36
Algorithmic Trading
Impending New Regulation:
BERLIN (Reuters) - German Chancellor Angela Merkel's cabinet is set to approve a draft law on Wednesday
to tighten regulation on high-frequency trading, often blamed for volatility on stock exchanges, government
sources said on Tuesday.
High-frequency traders plug algorithms into computers to generate numerous, lightning-speed automatic
trades designed to make money from arbitrage on razor-thin price differences and movements.
Under the draft law seen by Reuters, such traders will need prior authorization and excessive order-to-trade
ratios will be curbed.
However, the plans stop short of setting a minimum holding period for securities - a detail under discussion at
a European level. An earlier version of the German law had proposed a 0.5 second minimum holding period.
High-frequency traders hold investments for very short periods, drawing criticism that they cause volatility by
flooding the market with orders before cancelling them in fractions of seconds.
The government aims to raise the pressure for EU-wide regulations on the sector with its law, which will apply
to bourses in Germany, the sources said.
In two areas, the latest draft has been toughened up from previous versions. Users of high-frequency systems,
not just the 20 trading companies who run the terminals, will have to adhere to the new rules; and orders made
from those systems will be marked to make them distinct from normal stock market transactions.
(http://www.chicagotribune.com/business/sns-rt-us-germany-bourse-rulesbre88o0po-20120925,0,6667416.story; 26.9.2012)
36
Algorithmic Trading
37
More far-reaching proposals:
• Minimum order lifetime
• Restrictions on latency (Biais and Woolley 2011)
• Mandatory cancellation fees
• Real-time trade repositories (allowing regulators to take
action in real time (?))
• Transaction tax
• Taxing HFTs (e.g. to raise money for effective surveillance;
Biais and Woolley 2011)
• Publication of algorithms
37
Algorithmic Trading
38
The regulator’s problem:
• Any new regulation has to balance potentially positive
“peacetime effects” against the threats caused by “tail
events”
• Almost by definition, these threats are difficult to quantify
38
Vielen Dank für Ihre Aufmerksamkeit!
39

Algorithmic Trading

Transcription

Similar documents

Novelle RoHS und WEEE

Regulierung der Vermittlervergütung im Versicherungsvertrieb

Drucksache - Landtag NRW

Der exklusive Treffpunkt für Wertpapierprofis aus Deutschland

File

Reverse Mortgage – Marktchancen, Kundenwünsche und Gestaltung

Are ethical and social banks less risky? Evidence

Informationen zur kostenlosen „Homebase“ – CeBIT 2012

From a Distance