2.2.1 Auswirkung der Digitalisierung auf die Wirtschaft - Teil 3 - Wirtschaft, Arbeit, Green IT

Papier: 2.2.1 Auswirkung der Digitalisierung auf die Wirtschaft - Teil 3

Originalversion

1	Der Gliederungspunkt 2.2.1 umfasst im Arbeitsprogramm
2	mehrere Spiegelstriche mit verschiedenen Aspekten. Zu den
3	Punkten Digitalisierung als Produktionsfaktor, Rolle von
4	Algorithmen etwa beim Börsenhandel, bei den Empfehlungen von
5	Handelsportalen, in der Kreativwirtschaft (Contentfarmen)
6	hat sich die Projektgruppe in ihrer Sitzung vom 21.11.2011
7	auf den folgenden Text verständigt:
8
9
10	(Bitte beachten Sie auch
11	2.2.1 Auswirkung der Digitalisierung auf die Wirtschaft und
12	2.2.1 Auswirkung der Digitalisierung auf die Wirtschaft -
13	Teil 2)
14
15
16	3. Börse
17
18	„Vorstellbar wäre sogar, dass alle Handelsteilnehmer ihre
19	Aufträge von Algorithmen abarbeiten lassen.“
20	(Frank Gerstenschläger, Vorstand Kassamarkt der Deutsche
21	Börse AG, FAZ 16.04.2009 [FN:
22	http://www.faz.net/aktuell/finanzen/aktien/im-gespraech-fran
23	k-gerstenschlaeger-vorstand-kassamarkt-der-deutsche-boerse-a
24	g-das-boersenparkett-wird-bestehen-bleiben-1781458.html ])
25
26	Während der Handel auf den Aktienmärkten traditionellerweise
27	von Händlern betrieben wurde, die Kaufs- und
28	Verkaufsaufträge zunächst per Zuruf, später per Mausklick
29	zur Ausführung brachten, sind mittlerweile große Teile des
30	Börsenhandels automatisiert. Im Rahmen des sogenannten
31	Algo-Tradings, des Hochgeschwindigkeitshandels, sind es
32	Computer, die auf der Grundlage von Algorithmen
33	„Entscheidungen“ über Käufe und Verkäufe von Aktien treffen.
34	Während im Jahr 2007 nur 50% des weltweiten Aktienhandels
35	auf den Hochgeschwindigkeitshandel entfielen [FN:
36	http://www.zew.de/de/presse/1429/algo-trading-birgt-risiken-
37	fuer-die-stabilitaet-der-finanzmaerkte ], waren es im Jahr
38	2009 bereits 70%. [FN:
39	http://www.themistrading.com/article_files/0000/0475/THEM_--
40	_Why_Institutional_Investors_Should_Be_Concerned_About_High_
41	Frequency_Traders_--_Final.pdf ] Für das deutsche
42	Handelssystem Xetra geht man im Jahr 2011 von einem 60%igen
43	Anteil aus. [FN:
44	http://boerse.ard.de/content.jsp?key=dokument_554502] Der
45	hohe Anteil des Algotradings am Gesamthandel wird als eine
46	Gefahr für die Stabilität der Aktienmärkte gesehen. Einer im
47	April 2010 veröffentlichten Befragung des Mannheimer
48	Zentrums für Europäische Wirtschaftsforschung zufolge
49	vermuten 68% der Finanzmarktexperten einen negativen bis
50	sehr negativen Einfluss auf die Stabilität der Finanzmärkte.
51	[FN: ZEW Finanzmarktreport 18. Jg. April 2010, S. 3.]
52
53	Wie Algotrading funktioniert, haben Sal L. Arnuk und Joseph
54	Saluzzi im Dezember 2008 in einem vielbeachteten Whitepaper
55	erklärt. [FN:
56	http://www.themistrading.com/article_files/0000/0348/Toxic_E
57	quity_Trading_on_Wall_Street_12-17-08.pdf ] Institutionelle
58	Anleger, etwa Fonds oder Banken, kaufen oder verkaufen, wenn
59	sie Investitionsentscheidungen treffen, typischerweise nicht
60	nur eine Handvoll Aktien, sondern große Volumina. Händler
61	geben diese Aufträge in ein automatisiertes Handelssystem
62	ein. Um eine Order erfolgreich und möglichst günstig
63	ausführen zu können, wird sie in mehrere kleine Teile
64	aufgesplittet. Solche Orders sind daran zu erkennen, dass
65	sie typischerweise Volumina von 100 oder 500 Stück umfassen.
66	Wenn also ein Handelssystem von einem institutionellen
67	Anleger den Auftrag erhält, eine große Menge Aktien zu einem
68	Preis von bis zu 20,05 Euro zu erwerben, platziert dieses
69	möglicherweise zunächst eine Kauforder für nur 100 Aktien.
70	Gelingt es, diese zu einem Stückpreis von 20,00 Euro zu
71	erwerben, so platziert das System als nächstes eine
72	Kauforder für 500 Stück. Ein Hochgeschwindigkeitsrechner
73	kann hieran automatisch erkennen, dass es sich um einen
74	großen Kaufauftrag eines institutionellen Anlegers handelt,
75	der „scheibchenweise“ ausgeführt werden soll. Bevor der
76	Investor damit fortfahren kann, platziert der
77	Hochgeschwindigkeitsrechner ein Kaufangebot für 100 Stück
78	zum Preis von 20,01 Euro. Da er kurzfristig mehr bietet als
79	der institutionelle Anleger, werden die Verkäufer die Aktien
80	an ihn verkaufen statt an jenen. Geschieht dies, platziert
81	der High-Frequency-Trading-Algorithmus als nächstes ein
82	Verkaufsangebot zum Preis von 20,01 Euro und verkauft die
83	Aktien an den institutionellen Investor weiter. Dieser hat
84	also einen Cent pro Aktie mehr gezahlt als er ohne Zutun des
85	HFT-Algos hätte zahlen müssen, während der HFT-Algorithmus
86	zum gleichen Preis gekauft und verkauft hat. Er hat trotzdem
87	einen Gewinn gemacht, weil der Handelsplatz, der an jeder
88	Transaktion Gebühren verdient, ihm einen Rabatt von
89	beispielsweise einem Viertel Cent gewährt.
90
91	Als besonders problematisch gilt der sogenannte
92	„Raubtieralgorithmus“. Dabei nutzt der HFT-Algo die oben
93	beschriebene Methode, um eine Order als die eines
94	institutionellen Anlegers zu identifizieren. Unter
95	Ausnutzung seines Liquiditätsrabatts treibt er den Preis
96	schrittweise in die Höhe, bis er das vom institutionellen
97	Anleger gesetzte Limit erreicht hat. Zu diesem Preis
98	vollzieht er dann einen Leerverkauf, im Wissen, dass der
99	Kurs mit hoher Wahrscheinlichkeit wieder fallen wird. Sobald
100	dies geschieht, covert er. Innerhalb weniger Sekunden
101	können auf diese Weise starke Kursschwankungen entstehen.
102
103	Eine weitere beachtenswerte Tradingmethode im HFT-Handel ist
104	das Pinging. Es beruht auf der
105	Immediate-or-cancel-Systematik, also der Möglichkeit, Orders
106	zu platzieren und sie, so sie nicht ausgeführt werden,
107	sofort wieder zu annulieren. Die HFT-Algos können dies im
108	Bruchteil von Sekunden vollziehen. So sind sie in der Lage,
109	versteckte Limits institutioneller Anleger auszutesten. Ein
110	institutioneller Anleger ist beispielsweise bereit, Aktien
111	zu einem Preis von bis zu 20,03 Euro zu erwerben, bietet
112	jedoch zunächst nur 20,00 Euro. Der HFT-Algorithmus
113	identifiziert diese Order nach der eingangs beschriebenen
114	Methode als die eines institutionellen Anlegers. Alsdann
115	platziert er eine Verkaufsorder zum Preis von beispielsweise
116	20,05 Euro. Da kein Verkauf zustande kommt, cancelt er die
117	Order und platziert als nächstes ein Verkaufsangebot von
118	20,04 Euro. Wiederum erfolgt keine Reaktion. Der Algorithmus
119	geht auf 20,03 Euro, und diesmal wird die Order ausgeführt.
120	Der HFT-Algorithmus kennt nun das Oberlimit des
121	institutionellen Anlegers. Er wendet sich nun wieder dem
122	Markt zu und überbietet dort den institutionellen Anleger um
123	einen Cent, kauft also für 20,01 Euro weitere Aktien auf, um
124	sie dem institutionellen Anleger für 20,03 Euro
125	weiterzuverkaufen.
126
127	Sämtliche dieser Tradingmethoden gehen auf Kosten der
128	institutionellen Anleger, da sie darauf basieren, einen
129	Preis künstlich in die Höhe zu treiben, von einem
130	Liquiditätsrabatt zu profitieren und/oder einen
131	Geschwindigkeitsvorsprung auszunutzen. Es handelt sich also
132	um keine nachhaltige Handelsstrategie. Die ursprüngliche
133	Rechtfertigung für das Zulassen solchen Handelns besteht in
134	einem vermeintlichen Liquiditätszuwachs. Eine Steigerung der
135	Handelsvolumina, wie sie durch HFT unzweifelhaft bewirkt
136	werden, wird traditionell als Gewinn an Stabilität
137	verstanden, da man davon ausgeht, dass umso mehr Liquidität
138	am Markt ist, je mehr gehandelt wird. Dies ist jedoch ein
139	Trugschluss. Die für den traditionellen Handel geltende
140	Logik lässt sich auf das algorithmenbasierte HFT gerade
141	nicht übertragen, da die Hochleistungsrechner im Fall von
142	Verlusten dem Markt ihre Liquidität jederzeit wieder
143	entziehen. Statt Märkte zu stabilisieren, führt HFT deshalb
144	zu einer Destabilisierung des Finanzsystems.
145
146	Warum das so ist, wird verständlich, wenn man sich die
147	Kettenreaktion ansieht, die im Falle eines nicht
148	auszuschließenden Scheiterns der oben beschriebenen
149	Tradingstrategien entsteht. Bleiben wir beim Beispiel des
150	durch Pinging hochgepushten Kurses. Der letztendliche Erfolg
151	dieser Strategie hängt allein davon ab, ob es dem HFT
152	gelingt, die zum Zwecke des Weiterverkaufs an den
153	institutionellen Anleger erworbenen Aktienvolumina
154	tatsächlich zu verkaufen. Es kann nicht ausgeschlossen
155	werden, dass der HFT zu viele Aktien erworben hat und nicht
156	alle zum erstrebten Preis absetzen kann. Automatisch wird er
157	sein Verkaufsangebot dann schrittweise reduzieren. Bietet
158	der Markt keine entsprechende Nachfrage, kann es zu
159	schnellen Kursstürzen, jedenfalls aber zu starken
160	Kursschwankungen kommen. Da institutionelle und Kleinanleger
161	auf die von ihnen gehaltenen Positionen in der Regel
162	Stop-Loss-Limits gesetzt haben, kommt es bei Erreichen
163	dieser Verlustbegrenzung zu massenhaften automatischen
164	Verkäufen und damit zu hohen Kapitalverlusten.
165
166	Deutlich wurde dies bei dem sogenannten Flash Crash vom 6.
167	Mai 2010, als der Dow Jones innerhalb von 25 Minuten um
168	1.000 Punkte abstürzte und dabei Kapitalverluste in Höhe von
169	862 Milliarden Dollar verursachte. Die Aktie von Phillip
170	Morris fiel dabei beispielsweise von 49 auf 17 Dollar, bevor
171	sie sich wieder „erholte“ und bei 47 Dollar stabilisierte.
172	Tausende von Ordern, die mehr als 50% unterhalb des vor dem
173	Kurssturz geltenden Kurses ausgeführt wurden, stornierten
174	die Handelsplätze nachträglich. Bemerkenswert ist, dass die
175	HFT die ihnen zugeschriebene Funktion, im Bedarfsfall
176	Liquidität zur Verfügung zu stellen, nicht erfüllten,
177	sondern im Gegenteil dem Markt zur Begrenzung eigener
178	Verluste Liquidität in hohem Umfang entzogen.
179
180	Profiteure des HFT sind neben den entsprechenden Firmen vor
181	allem die Börsenplätze. Für sie zahlt sich aus, dass HFT das
182	Handelsvolumen künstlich in die Höhe treiben, denn die Börse
183	verdient an jeder Order Gebühren. Da jeder Kauforder eines
184	HFT eine Verkaufsorder eines anderen Marktteilnehmers
185	gegenübersteht (und umgekehrt), lohnt es sich für die Börse,
186	den HFT Gebühren zu erlassen und ihnen zudem einen
187	Liquiditätsrabatt zu gewähren, der es ihnen ermöglicht, auch
188	dann noch Gewinne zu machen, wenn sie zum selben Preis
189	verkaufen, wie sie gekauft haben. Manche Börsenbetreiber
190	gewähren bis zu einem Viertel eines Pennys pro Aktie Rabatt
191	an Broker-Dealer, wenn diese eine Order platzieren,
192	verdienen aber daran, dass sie dem Gegenpart, der die Order
193	zur Ausführung bringt (also dem jeweiligen Käufer bzw.
194	Verkäufer) eine höhere Transaktionsgebühr in Rechnung
195	stellen. [FN: Johannes Gomolka: Algorithmic Trading. Analyse
196	von computergesteuerten Prozessen im Wertpapierhandel unter
197	Verwendung der Multifaktorenregression. Potsdam:
198	Universitätsverlag Potsdam 2010, S. 162.] Dieses sogenannte
199	Maker-Taker-Modell ist mittlerweile in Europa ebenso üblich
200	wie in den USA. Außerdem verdienen die Börsen an der
201	Vermietung von sogenannten Co-Location-Spaces. Da der Erfolg
202	des HFT zunehmend von der Geschwindigkeit der
203	Datenübertragung abhängt, haben auf diesem Gebiet tätige
204	Handelsfirmen ein großes Interesse daran, räumlich so nahe
205	wie möglich an den Rechenzentren der Handelsplätze selbst
206	angesiedelt zu sein. Die Rede ist hier von der Latency
207	Arbitrage, also vom Vorteil, den Handelsfirmen allein
208	aufgrund ihrer besseren Datenleitung genießen. Der
209	Latenzvorteil, den die örtliche Nähe mit sich bringt, hat
210	rund um die Börsenplätze fußballfeldgroße Technikclustern
211	entstehen lassen. Die NYSE hat beispielsweise 2009 eine 120
212	Quadratmeter große Colocation in New Jersey und eine weitere
213	bei London bauen lassen, zu Kosten von 500 Millionen Dollar.
214	[FN: The Wall Street Journal, 30. Juli 2009,
215	http://www.efinancialnews.com/story/2009-07-31/nyses-fast-tr
216	ade-hub-rises-up-in-new-jersey ] Diese Investitionen
217	rentieren sich offenbar aufgrund der Mieteinnahmen, die die
218	HFT-Firmen zu zahlen bereit sind. Die Miete rentiert sich
219	ihrerseits offenbar aufgrund der dadurch erlangten
220	Handelsvorteile.
221
222	Nicht zuletzt aber verdienen die Börsen an proprietären
223	Datafeeds, die sie an die Betreiber der
224	Hochgeschwindigkeitsrechner verkaufen. [FN:
225	http://blog.themistrading.com/wp-content/uploads/2010/05/THE
226	MIS-Data-Theft-On-Wall-Street-05-11-10.pdf ] Hier bietet
227	sich ein Vergleich mit sozialen Netzwerken an: So wie
228	Facebook Nutzungsdaten der user sammelt, um sie an
229	Werbetreibende zu verkaufen, sammeln die Handelsplätze Daten
230	ihrer privaten und institutionellen Kunden und verkaufen sie
231	als „Direct Feed“ an die HFT-Firmen. In den USA heißen diese
232	direct feeds etwa BATS PITCH oder TotalView-ITCH, in
233	Deutschland gibt es den AlphaFlash („ultraschnelle
234	Wirtschaftsdaten und Ad-hoc-Nachrichten für
235	Algo-Trading-Applikationen“) [FN:
236	http://deutsche-boerse.com/dbag/dispatch/de/listcontent/gdb_
237	navigation/mda/200_market_data/500_news_services/Content_Fil
238	es/news_services_products/mda_sp_alphaflash.htm ], den High
239	Performance Xetra Data Feed („all order book updates on an
240	un-netted basis as soon as they occur“ ) sowie verschiedene
241	andere Angebote. [FN:
242	http://deutsche-boerse.com/dbag/dispatch/en/binary/gdb_conte
243	nt_pool/imported_files/public_files/10_downloads/50_informat
244	ions_services/10_market_data_dissemination/11_information_pr
245	oducts/10_spot_market/CEF_ultra_+_Xetra.pdf] Der Vorteil von
246	direct data feeds besteht darin, Orderdaten und Volumina der
247	Aufträge von institutionellen und Kleinanlegern schon zu
248	kennen, bevor sie auf dem jeweiligen Marktplatz platziert
249	werden, um die eigene Tradingstrategie darauf ausrichten zu
250	können. Ähnlich wie bei Facebook werden bei den gängigen
251	feeds die Daten natürlich in anonymisierter Form verkauft,
252	jedoch so, dass sie von den Hochleistungsrechnern
253	automatisch ausgewertet werden können. So wird es möglich,
254	dass beispielsweise eine Kauforder, die eine Bank für einen
255	ihrer Privatkunden in das Handelssystem eingibt, noch vor
256	der Platzierung am Handelsplatz an einen HFT übermittelt
257	wird, der daraufhin ggf. in der oben beschriebenen Weise den
258	Preis hochtreiben und die Differenz als Gewinn verbuchen
259	kann.
260
261	65% der vom Mannheimer Zentrum für Europäische
262	Wirtschaftsforschung befragten Fachleute halten die
263	bisherige gesetzliche Regulierung des
264	Hochgeschwindigkeitshandels für unzureichend. [FN: ZEW
265	Finanzmarktreport 18. Jg. April 2010, S. 3.] Wie die obige
266	Beschreibung gezeigt hat, stellen die in der öffentlichen
267	Diskussion besonders präsenten Leerverkäufe nur ein
268	Teilproblem dar, und selbst dieses Teilproblem ist im
269	Wesentlichen ungelöst. So hat beispielsweise der deutsche
270	Gesetzgeber das Verbot von ungedeckten Leerverkäufen stark
271	beschränkt, nämlich auf deutsche Aktien und Staatstitel der
272	Eurozone sowie Kreditversicherungen auf Staatstitel der
273	Eurozone, die keinen Absicherungszwecken dienen, statt ein
274	umfassendes Verbot solcher Geschäfte zu beschließen.
275
276	Dass die Stabilität der Aktienmärkte für die
277	Gesamtwirtschaft eines Landes wie der Weltwirtschaft von
278	entscheidender Bedeutung ist, zeigt sich beispielsweise an
279	den Versuchen, europäische Volkswirtschaften wie die
280	griechische durch sogenannte „Hilfspakete“ vor dem Bankrott
281	zu retten. Die Anfälligkeit der internationalen Finanzmärkte
282	für Kursstürze und Krisen hängt nicht zuletzt mit dem
283	mittlerweile extrem hohen Anteil des Algotradings am
284	Gesamthandelsvolumen zusammen. Durch High Frequency Trading
285	entsteht die Illusion eines stabilen, gesunden, da mit
286	genügend flüssigen Geldmitteln ausgestatteten Kapitalmarkts.
287	Tatsächlich hat sich jedoch gezeigt, dass gerade High
288	Frequency Trader dem Markt die Liquidität, die sie ihm zur
289	Verfügung stellen, jederzeit wieder entziehen, um ihre
290	Verluste zu begrenzen. Finanzkrisen haben insofern eine
291	Auswirkung auf die Wirtschaft, als die „Rettungsaktionen“
292	nationaler Regierungen letztlich durch Steuergelder
293	gegenfinanziert werden müssen. Steigen jedoch die Steuern,
294	sinkt der Konsum, was wiederum das Wirtschaftswachstum
295	bremst.
296
297
298	Bitte beachten Sie auch
299	2.2.1 Auswirkung der Digitalisierung auf die Wirtschaft und
300	2.2.1 Auswirkung der Digitalisierung auf die Wirtschaft -
301	Teil 2

Der Text verglichen mit der Originalversion

1	Der Gliederungspunkt 2.2.1 umfasst im Arbeitsprogramm
2	mehrere Spiegelstriche mit verschiedenen Aspekten. Zu den
3	Punkten Digitalisierung als Produktionsfaktor, Rolle von
4	Algorithmen etwa beim Börsenhandel, bei den Empfehlungen von
5	Handelsportalen, in der Kreativwirtschaft (Contentfarmen)
6	hat sich die Projektgruppe in ihrer Sitzung vom 21.11.2011
7	auf den folgenden Text verständigt:
8
9
10	(Bitte beachten Sie auch
11	2.2.1 Auswirkung der Digitalisierung auf die Wirtschaft und
12	2.2.1 Auswirkung der Digitalisierung auf die Wirtschaft -
13	Teil 2)
14
15
16	3. Börse
17
18	„Vorstellbar wäre sogar, dass alle Handelsteilnehmer ihre
19	Aufträge von Algorithmen abarbeiten lassen.“
20	(Frank Gerstenschläger, Vorstand Kassamarkt der Deutsche
21	Börse AG, FAZ 16.04.2009 [FN:
22	http://www.faz.net/aktuell/finanzen/aktien/im-gespraech-fran
23	k-gerstenschlaeger-vorstand-kassamarkt-der-deutsche-boerse-a
24	g-das-boersenparkett-wird-bestehen-bleiben-1781458.html ])
25
26	Während der Handel auf den Aktienmärkten traditionellerweise
27	von Händlern betrieben wurde, die Kaufs- und
28	Verkaufsaufträge zunächst per Zuruf, später per Mausklick
29	zur Ausführung brachten, sind mittlerweile große Teile des
30	Börsenhandels automatisiert. Im Rahmen des sogenannten
31	Algo-Tradings, des Hochgeschwindigkeitshandels, sind es
32	Computer, die auf der Grundlage von Algorithmen
33	„Entscheidungen“ über Käufe und Verkäufe von Aktien treffen.
34	Während im Jahr 2007 nur 50% des weltweiten Aktienhandels
35	auf den Hochgeschwindigkeitshandel entfielen [FN:
36	http://www.zew.de/de/presse/1429/algo-trading-birgt-risiken-
37	fuer-die-stabilitaet-der-finanzmaerkte ], waren es im Jahr
38	2009 bereits 70%. [FN:
39	http://www.themistrading.com/article_files/0000/0475/THEM_--
40	_Why_Institutional_Investors_Should_Be_Concerned_About_High_
41	Frequency_Traders_--_Final.pdf ] Für das deutsche
42	Handelssystem Xetra geht man im Jahr 2011 von einem 60%igen
43	Anteil aus. [FN:
44	http://boerse.ard.de/content.jsp?key=dokument_554502] Der
45	hohe Anteil des Algotradings am Gesamthandel wird als eine
46	Gefahr für die Stabilität der Aktienmärkte gesehen. Einer im
47	April 2010 veröffentlichten Befragung des Mannheimer
48	Zentrums für Europäische Wirtschaftsforschung zufolge
49	vermuten 68% der Finanzmarktexperten einen negativen bis
50	sehr negativen Einfluss auf die Stabilität der Finanzmärkte.
51	[FN: ZEW Finanzmarktreport 18. Jg. April 2010, S. 3.]
52
53	Wie Algotrading funktioniert, haben Sal L. Arnuk und Joseph
54	Saluzzi im Dezember 2008 in einem vielbeachteten Whitepaper
55	erklärt. [FN:
56	http://www.themistrading.com/article_files/0000/0348/Toxic_E
57	quity_Trading_on_Wall_Street_12-17-08.pdf ] Institutionelle
58	Anleger, etwa Fonds oder Banken, kaufen oder verkaufen, wenn
59	sie Investitionsentscheidungen treffen, typischerweise nicht
60	nur eine Handvoll Aktien, sondern große Volumina. Händler
61	geben diese Aufträge in ein automatisiertes Handelssystem
62	ein. Um eine Order erfolgreich und möglichst günstig
63	ausführen zu können, wird sie in mehrere kleine Teile
64	aufgesplittet. Solche Orders sind daran zu erkennen, dass
65	sie typischerweise Volumina von 100 oder 500 Stück umfassen.
66	Wenn also ein Handelssystem von einem institutionellen
67	Anleger den Auftrag erhält, eine große Menge Aktien zu einem
68	Preis von bis zu 20,05 Euro zu erwerben, platziert dieses
69	möglicherweise zunächst eine Kauforder für nur 100 Aktien.
70	Gelingt es, diese zu einem Stückpreis von 20,00 Euro zu
71	erwerben, so platziert das System als nächstes eine
72	Kauforder für 500 Stück. Ein Hochgeschwindigkeitsrechner
73	kann hieran automatisch erkennen, dass es sich um einen
74	großen Kaufauftrag eines institutionellen Anlegers handelt,
75	der „scheibchenweise“ ausgeführt werden soll. Bevor der
76	Investor damit fortfahren kann, platziert der
77	Hochgeschwindigkeitsrechner ein Kaufangebot für 100 Stück
78	zum Preis von 20,01 Euro. Da er kurzfristig mehr bietet als
79	der institutionelle Anleger, werden die Verkäufer die Aktien
80	an ihn verkaufen statt an jenen. Geschieht dies, platziert
81	der High-Frequency-Trading-Algorithmus als nächstes ein
82	Verkaufsangebot zum Preis von 20,01 Euro und verkauft die
83	Aktien an den institutionellen Investor weiter. Dieser hat
84	also einen Cent pro Aktie mehr gezahlt als er ohne Zutun des
85	HFT-Algos hätte zahlen müssen, während der HFT-Algorithmus
86	zum gleichen Preis gekauft und verkauft hat. Er hat trotzdem
87	einen Gewinn gemacht, weil der Handelsplatz, der an jeder
88	Transaktion Gebühren verdient, ihm einen Rabatt von
89	beispielsweise einem Viertel Cent gewährt.
90
91	Als besonders problematisch gilt der sogenannte
92	„Raubtieralgorithmus“. Dabei nutzt der HFT-Algo die oben
93	beschriebene Methode, um eine Order als die eines
94	institutionellen Anlegers zu identifizieren. Unter
95	Ausnutzung seines Liquiditätsrabatts treibt er den Preis
96	schrittweise in die Höhe, bis er das vom institutionellen
97	Anleger gesetzte Limit erreicht hat. Zu diesem Preis
98	vollzieht er dann einen Leerverkauf, im Wissen, dass der
99	Kurs mit hoher Wahrscheinlichkeit wieder fallen wird. Sobald
100	dies geschieht, covert er. Innerhalb weniger Sekunden
101	können auf diese Weise starke Kursschwankungen entstehen.
102
103	Eine weitere beachtenswerte Tradingmethode im HFT-Handel ist
104	das Pinging. Es beruht auf der
105	Immediate-or-cancel-Systematik, also der Möglichkeit, Orders
106	zu platzieren und sie, so sie nicht ausgeführt werden,
107	sofort wieder zu annulieren. Die HFT-Algos können dies im
108	Bruchteil von Sekunden vollziehen. So sind sie in der Lage,
109	versteckte Limits institutioneller Anleger auszutesten. Ein
110	institutioneller Anleger ist beispielsweise bereit, Aktien
111	zu einem Preis von bis zu 20,03 Euro zu erwerben, bietet
112	jedoch zunächst nur 20,00 Euro. Der HFT-Algorithmus
113	identifiziert diese Order nach der eingangs beschriebenen
114	Methode als die eines institutionellen Anlegers. Alsdann
115	platziert er eine Verkaufsorder zum Preis von beispielsweise
116	20,05 Euro. Da kein Verkauf zustande kommt, cancelt er die
117	Order und platziert als nächstes ein Verkaufsangebot von
118	20,04 Euro. Wiederum erfolgt keine Reaktion. Der Algorithmus
119	geht auf 20,03 Euro, und diesmal wird die Order ausgeführt.
120	Der HFT-Algorithmus kennt nun das Oberlimit des
121	institutionellen Anlegers. Er wendet sich nun wieder dem
122	Markt zu und überbietet dort den institutionellen Anleger um
123	einen Cent, kauft also für 20,01 Euro weitere Aktien auf, um
124	sie dem institutionellen Anleger für 20,03 Euro
125	weiterzuverkaufen.
126
127	Sämtliche dieser Tradingmethoden gehen auf Kosten der
128	institutionellen Anleger, da sie darauf basieren, einen
129	Preis künstlich in die Höhe zu treiben, von einem
130	Liquiditätsrabatt zu profitieren und/oder einen
131	Geschwindigkeitsvorsprung auszunutzen. Es handelt sich also
132	um keine nachhaltige Handelsstrategie. Die ursprüngliche
133	Rechtfertigung für das Zulassen solchen Handelns besteht in
134	einem vermeintlichen Liquiditätszuwachs. Eine Steigerung der
135	Handelsvolumina, wie sie durch HFT unzweifelhaft bewirkt
136	werden, wird traditionell als Gewinn an Stabilität
137	verstanden, da man davon ausgeht, dass umso mehr Liquidität
138	am Markt ist, je mehr gehandelt wird. Dies ist jedoch ein
139	Trugschluss. Die für den traditionellen Handel geltende
140	Logik lässt sich auf das algorithmenbasierte HFT gerade
141	nicht übertragen, da die Hochleistungsrechner im Fall von
142	Verlusten dem Markt ihre Liquidität jederzeit wieder
143	entziehen. Statt Märkte zu stabilisieren, führt HFT deshalb
144	zu einer Destabilisierung des Finanzsystems.
145
146	Warum das so ist, wird verständlich, wenn man sich die
147	Kettenreaktion ansieht, die im Falle eines nicht
148	auszuschließenden Scheiterns der oben beschriebenen
149	Tradingstrategien entsteht. Bleiben wir beim Beispiel des
150	durch Pinging hochgepushten Kurses. Der letztendliche Erfolg
151	dieser Strategie hängt allein davon ab, ob es dem HFT
152	gelingt, die zum Zwecke des Weiterverkaufs an den
153	institutionellen Anleger erworbenen Aktienvolumina
154	tatsächlich zu verkaufen. Es kann nicht ausgeschlossen
155	werden, dass der HFT zu viele Aktien erworben hat und nicht
156	alle zum erstrebten Preis absetzen kann. Automatisch wird er
157	sein Verkaufsangebot dann schrittweise reduzieren. Bietet
158	der Markt keine entsprechende Nachfrage, kann es zu
159	schnellen Kursstürzen, jedenfalls aber zu starken
160	Kursschwankungen kommen. Da institutionelle und Kleinanleger
161	auf die von ihnen gehaltenen Positionen in der Regel
162	Stop-Loss-Limits gesetzt haben, kommt es bei Erreichen
163	dieser Verlustbegrenzung zu massenhaften automatischen
164	Verkäufen und damit zu hohen Kapitalverlusten.
165
166	Deutlich wurde dies bei dem sogenannten Flash Crash vom 6.
167	Mai 2010, als der Dow Jones innerhalb von 25 Minuten um
168	1.000 Punkte abstürzte und dabei Kapitalverluste in Höhe von
169	862 Milliarden Dollar verursachte. Die Aktie von Phillip
170	Morris fiel dabei beispielsweise von 49 auf 17 Dollar, bevor
171	sie sich wieder „erholte“ und bei 47 Dollar stabilisierte.
172	Tausende von Ordern, die mehr als 50% unterhalb des vor dem
173	Kurssturz geltenden Kurses ausgeführt wurden, stornierten
174	die Handelsplätze nachträglich. Bemerkenswert ist, dass die
175	HFT die ihnen zugeschriebene Funktion, im Bedarfsfall
176	Liquidität zur Verfügung zu stellen, nicht erfüllten,
177	sondern im Gegenteil dem Markt zur Begrenzung eigener
178	Verluste Liquidität in hohem Umfang entzogen.
179
180	Profiteure des HFT sind neben den entsprechenden Firmen vor
181	allem die Börsenplätze. Für sie zahlt sich aus, dass HFT das
182	Handelsvolumen künstlich in die Höhe treiben, denn die Börse
183	verdient an jeder Order Gebühren. Da jeder Kauforder eines
184	HFT eine Verkaufsorder eines anderen Marktteilnehmers
185	gegenübersteht (und umgekehrt), lohnt es sich für die Börse,
186	den HFT Gebühren zu erlassen und ihnen zudem einen
187	Liquiditätsrabatt zu gewähren, der es ihnen ermöglicht, auch
188	dann noch Gewinne zu machen, wenn sie zum selben Preis
189	verkaufen, wie sie gekauft haben. Manche Börsenbetreiber
190	gewähren bis zu einem Viertel eines Pennys pro Aktie Rabatt
191	an Broker-Dealer, wenn diese eine Order platzieren,
192	verdienen aber daran, dass sie dem Gegenpart, der die Order
193	zur Ausführung bringt (also dem jeweiligen Käufer bzw.
194	Verkäufer) eine höhere Transaktionsgebühr in Rechnung
195	stellen. [FN: Johannes Gomolka: Algorithmic Trading. Analyse
196	von computergesteuerten Prozessen im Wertpapierhandel unter
197	Verwendung der Multifaktorenregression. Potsdam:
198	Universitätsverlag Potsdam 2010, S. 162.] Dieses sogenannte
199	Maker-Taker-Modell ist mittlerweile in Europa ebenso üblich
200	wie in den USA. Außerdem verdienen die Börsen an der
201	Vermietung von sogenannten Co-Location-Spaces. Da der Erfolg
202	des HFT zunehmend von der Geschwindigkeit der
203	Datenübertragung abhängt, haben auf diesem Gebiet tätige
204	Handelsfirmen ein großes Interesse daran, räumlich so nahe
205	wie möglich an den Rechenzentren der Handelsplätze selbst
206	angesiedelt zu sein. Die Rede ist hier von der Latency
207	Arbitrage, also vom Vorteil, den Handelsfirmen allein
208	aufgrund ihrer besseren Datenleitung genießen. Der
209	Latenzvorteil, den die örtliche Nähe mit sich bringt, hat
210	rund um die Börsenplätze fußballfeldgroße Technikclustern
211	entstehen lassen. Die NYSE hat beispielsweise 2009 eine 120
212	Quadratmeter große Colocation in New Jersey und eine weitere
213	bei London bauen lassen, zu Kosten von 500 Millionen Dollar.
214	[FN: The Wall Street Journal, 30. Juli 2009,
215	http://www.efinancialnews.com/story/2009-07-31/nyses-fast-tr
216	ade-hub-rises-up-in-new-jersey ] Diese Investitionen
217	rentieren sich offenbar aufgrund der Mieteinnahmen, die die
218	HFT-Firmen zu zahlen bereit sind. Die Miete rentiert sich
219	ihrerseits offenbar aufgrund der dadurch erlangten
220	Handelsvorteile.
221
222	Nicht zuletzt aber verdienen die Börsen an proprietären
223	Datafeeds, die sie an die Betreiber der
224	Hochgeschwindigkeitsrechner verkaufen. [FN:
225	http://blog.themistrading.com/wp-content/uploads/2010/05/THE
226	MIS-Data-Theft-On-Wall-Street-05-11-10.pdf ] Hier bietet
227	sich ein Vergleich mit sozialen Netzwerken an: So wie
228	Facebook Nutzungsdaten der user sammelt, um sie an
229	Werbetreibende zu verkaufen, sammeln die Handelsplätze Daten
230	ihrer privaten und institutionellen Kunden und verkaufen sie
231	als „Direct Feed“ an die HFT-Firmen. In den USA heißen diese
232	direct feeds etwa BATS PITCH oder TotalView-ITCH, in
233	Deutschland gibt es den AlphaFlash („ultraschnelle
234	Wirtschaftsdaten und Ad-hoc-Nachrichten für
235	Algo-Trading-Applikationen“) [FN:
236	http://deutsche-boerse.com/dbag/dispatch/de/listcontent/gdb_
237	navigation/mda/200_market_data/500_news_services/Content_Fil
238	es/news_services_products/mda_sp_alphaflash.htm ], den High
239	Performance Xetra Data Feed („all order book updates on an
240	un-netted basis as soon as they occur“ ) sowie verschiedene
241	andere Angebote. [FN:
242	http://deutsche-boerse.com/dbag/dispatch/en/binary/gdb_conte
243	nt_pool/imported_files/public_files/10_downloads/50_informat
244	ions_services/10_market_data_dissemination/11_information_pr
245	oducts/10_spot_market/CEF_ultra_+_Xetra.pdf] Der Vorteil von
246	direct data feeds besteht darin, Orderdaten und Volumina der
247	Aufträge von institutionellen und Kleinanlegern schon zu
248	kennen, bevor sie auf dem jeweiligen Marktplatz platziert
249	werden, um die eigene Tradingstrategie darauf ausrichten zu
250	können. Ähnlich wie bei Facebook werden bei den gängigen
251	feeds die Daten natürlich in anonymisierter Form verkauft,
252	jedoch so, dass sie von den Hochleistungsrechnern
253	automatisch ausgewertet werden können. So wird es möglich,
254	dass beispielsweise eine Kauforder, die eine Bank für einen
255	ihrer Privatkunden in das Handelssystem eingibt, noch vor
256	der Platzierung am Handelsplatz an einen HFT übermittelt
257	wird, der daraufhin ggf. in der oben beschriebenen Weise den
258	Preis hochtreiben und die Differenz als Gewinn verbuchen
259	kann.
260
261	65% der vom Mannheimer Zentrum für Europäische
262	Wirtschaftsforschung befragten Fachleute halten die
263	bisherige gesetzliche Regulierung des
264	Hochgeschwindigkeitshandels für unzureichend. [FN: ZEW
265	Finanzmarktreport 18. Jg. April 2010, S. 3.] Wie die obige
266	Beschreibung gezeigt hat, stellen die in der öffentlichen
267	Diskussion besonders präsenten Leerverkäufe nur ein
268	Teilproblem dar, und selbst dieses Teilproblem ist im
269	Wesentlichen ungelöst. So hat beispielsweise der deutsche
270	Gesetzgeber das Verbot von ungedeckten Leerverkäufen stark
271	beschränkt, nämlich auf deutsche Aktien und Staatstitel der
272	Eurozone sowie Kreditversicherungen auf Staatstitel der
273	Eurozone, die keinen Absicherungszwecken dienen, statt ein
274	umfassendes Verbot solcher Geschäfte zu beschließen.
275
276	Dass die Stabilität der Aktienmärkte für die
277	Gesamtwirtschaft eines Landes wie der Weltwirtschaft von
278	entscheidender Bedeutung ist, zeigt sich beispielsweise an
279	den Versuchen, europäische Volkswirtschaften wie die
280	griechische durch sogenannte „Hilfspakete“ vor dem Bankrott
281	zu retten. Die Anfälligkeit der internationalen Finanzmärkte
282	für Kursstürze und Krisen hängt nicht zuletzt mit dem
283	mittlerweile extrem hohen Anteil des Algotradings am
284	Gesamthandelsvolumen zusammen. Durch High Frequency Trading
285	entsteht die Illusion eines stabilen, gesunden, da mit
286	genügend flüssigen Geldmitteln ausgestatteten Kapitalmarkts.
287	Tatsächlich hat sich jedoch gezeigt, dass gerade High
288	Frequency Trader dem Markt die Liquidität, die sie ihm zur
289	Verfügung stellen, jederzeit wieder entziehen, um ihre
290	Verluste zu begrenzen. Finanzkrisen haben insofern eine
291	Auswirkung auf die Wirtschaft, als die „Rettungsaktionen“
292	nationaler Regierungen letztlich durch Steuergelder
293	gegenfinanziert werden müssen. Steigen jedoch die Steuern,
294	sinkt der Konsum, was wiederum das Wirtschaftswachstum
295	bremst.
296
297
298	Bitte beachten Sie auch
299	2.2.1 Auswirkung der Digitalisierung auf die Wirtschaft und
300	2.2.1 Auswirkung der Digitalisierung auf die Wirtschaft -
301	Teil 2

Vorschlag

Bewerten Sie die Original- und die eingebrachten Versionen eines Papiers, indem Sie über die Pfeile Ihre Zustimmung (hoch) oder Ablehnung (runter) ausdrücken. Sie können dabei auch mehreren Versionen zustimmen oder diese ablehnen.
Wählen Sie, ob Änderungen im Vergleich zur Originalversion hervorgehoben werden sollen.
Sie können hier auch eine neue Version des Papiers einbringen.