FIBA-Kolloquium Universität Bayreuth, 11.12.2007

1. Computational Finance
Dr. Alexis Eisenhofer
financial.com AG
ATACAMA Capital GmbH
FIBA-Kolloquium
Universit¨t Bayreuth, 11.12.2007
a
Eisenhofer Computational Finance 1/43

2. Abgrenzung und Marktentwicklung
Finanzmodelle und Handelsstrategien
Implementierung
Diskussion
Inhaltsverzeichnis
Abgrenzung und Marktentwicklung
Begriffe
Prozessorleistung
Informationsmenge
Handelsvolumen
Finanzmodelle und Handelsstrategien
Portfolio Management
Zeitreihenanalyse und Kursprognose
Bewertung von Derivaten
Handelsstrategietypen
Implementierung
Strategiedesign
Latenzminimierung
Reverse Engineering
Fehlerquellen und Cancellation
Eisenhofer Computational Finance 2/43

3. Abgrenzung und Marktentwicklung Begriffe
Finanzmodelle und Handelsstrategien Prozessorleistung
Implementierung Informationsmenge
Diskussion Handelsvolumen
Inhaltsverzeichnis
Abgrenzung und Marktentwicklung
Begriffe
Prozessorleistung
Informationsmenge
Handelsvolumen
Finanzmodelle und Handelsstrategien
Portfolio Management
Zeitreihenanalyse und Kursprognose
Bewertung von Derivaten
Handelsstrategietypen
Implementierung
Strategiedesign
Latenzminimierung
Reverse Engineering
Fehlerquellen und Cancellation
Eisenhofer Computational Finance 3/43

4. Abgrenzung und Marktentwicklung Begriffe
Finanzmodelle und Handelsstrategien Prozessorleistung
Implementierung Informationsmenge
Diskussion Handelsvolumen
Die Industrialisierung des Finanzsektors hat den
Handelsraum erreicht
Computational Finance
→ ist ein interdisziplin¨res Feld aus den Bereichen (1) Mathematische
a
Kapitalmarkttheorie, (2) Numerik und (3) Computersimulation
Automated Trading
→ erm¨glicht die unmittelbare Umsetzung einer quantitativen Handelsstrategie durch
o
den Computer, ohne jeglichen menschlichen Eingriff
Eisenhofer Computational Finance 4/43

5. Abgrenzung und Marktentwicklung Begriffe
Finanzmodelle und Handelsstrategien Prozessorleistung
Implementierung Informationsmenge
Diskussion Handelsvolumen
Inhaltsverzeichnis
Abgrenzung und Marktentwicklung
Begriffe
Prozessorleistung
Informationsmenge
Handelsvolumen
Finanzmodelle und Handelsstrategien
Portfolio Management
Zeitreihenanalyse und Kursprognose
Bewertung von Derivaten
Handelsstrategietypen
Implementierung
Strategiedesign
Latenzminimierung
Reverse Engineering
Fehlerquellen und Cancellation
Eisenhofer Computational Finance 5/43

6. Abgrenzung und Marktentwicklung Begriffe
Finanzmodelle und Handelsstrategien Prozessorleistung
Implementierung Informationsmenge
Diskussion Handelsvolumen
Die heutige Prozessorleistung ist mehr als 10.000-fach so
groß wie zu Beginn der Modernen Finanzmarkttheorie und
verschafft dieser (endlich/vielfache) praktische Anwendung
Jahr Prozessor Takt Transistoren Faktor
1978 i8086 4,77 MHz 29.000 1
1979 i8088 4,77-8 MHz 29.000 1
1982 i80286 6-16 MHz 134.000 5
1985 i80386 16-33 MHz 275.000 9
1991 i80486 33-100 MHz 1.200.000 41
1993 Pentium 66-200 MHz 3.100.000 107
1997 Pentium MMX 166-233 MHz 4.500.000 155
1997 Pentium II 233-450 MHz 7.500.000 259
1999 Pentium III 333-1400 MHz 28.000.000 966
2000 Pentium 4 1400-3500 MHz 42.000.000 1.448
2006 Core Duo 1660-2160 MHz 151.000.000 5.207
2006 Core 2 Duo 1667-2333 MHz 291.000.000 10.034
Tabelle: Entwicklung der Prozessorleistung seit 1978∗
∗
http://de.wikipedia.org/
Eisenhofer Computational Finance 6/43

7. Abgrenzung und Marktentwicklung Begriffe
Finanzmodelle und Handelsstrategien Prozessorleistung
Implementierung Informationsmenge
Diskussion Handelsvolumen
Inhaltsverzeichnis
Abgrenzung und Marktentwicklung
Begriffe
Prozessorleistung
Informationsmenge
Handelsvolumen
Finanzmodelle und Handelsstrategien
Portfolio Management
Zeitreihenanalyse und Kursprognose
Bewertung von Derivaten
Handelsstrategietypen
Implementierung
Strategiedesign
Latenzminimierung
Reverse Engineering
Fehlerquellen und Cancellation
Eisenhofer Computational Finance 7/43

8. Abgrenzung und Marktentwicklung Begriffe
Finanzmodelle und Handelsstrategien Prozessorleistung
Implementierung Informationsmenge
Diskussion Handelsvolumen
Informationen sind heute weit mehr und standardisiert
verf¨gbar, aber nicht mehr propriet¨r
u a
Warren Buffett, 1965 Reuters, Bloomberg & Google, 2007
S&P 500 Aktien 5,5 Mio. Finanzinstrumente
1 zentraler Handelsplatz: 300 B¨rsen und OTC-M¨rkte
o a
New York Stock Exchange 200 Mio. Bilanzdatens¨tze
a
Studium von Gesch¨ftsberichten
a 2,5 Mio. News pro Jahr
Qualitative Einsch¨tzung
a 200.000 Ticks pro Sekunde
Kleines Team (Charlie Munger) 8 Mrd. Internetseiten
Eisenhofer Computational Finance 8/43

9. Abgrenzung und Marktentwicklung Begriffe
Finanzmodelle und Handelsstrategien Prozessorleistung
Implementierung Informationsmenge
Diskussion Handelsvolumen
Seit 2007 sind Nachrichten sogar in maschinenlesbarer
Form verf¨gbar (und werden auch von Maschinen erstellt)
u
Reuters NewsScope
Maschinenlesbare Nachrichten zu Bilanzdaten und Kapitalmaßnahmen
Erzeugung automatischer ”Sentiment Scores” zum Unternehmen aus dem
Wortlaut der Nachricht (≈ 10 Nachrichten pro Sekunde)
NewsScope und DataScope bieten alle Nachrichten und Kurse historisch (> 20
Jahre, ≈ 4300 Unternehmen) f¨r Back Testing
u
Thomson Financial News Service
Automatische Erzeugung von Nachrichten aus Finanzdaten
(≈ 0,3 Sekunden pro Nachricht)
Eisenhofer Computational Finance 9/43

10. Abgrenzung und Marktentwicklung Begriffe
Finanzmodelle und Handelsstrategien Prozessorleistung
Implementierung Informationsmenge
Diskussion Handelsvolumen
Inhaltsverzeichnis
Abgrenzung und Marktentwicklung
Begriffe
Prozessorleistung
Informationsmenge
Handelsvolumen
Finanzmodelle und Handelsstrategien
Portfolio Management
Zeitreihenanalyse und Kursprognose
Bewertung von Derivaten
Handelsstrategietypen
Implementierung
Strategiedesign
Latenzminimierung
Reverse Engineering
Fehlerquellen und Cancellation
Eisenhofer Computational Finance 10/43

11. Abgrenzung und Marktentwicklung Begriffe
Finanzmodelle und Handelsstrategien Prozessorleistung
Implementierung Informationsmenge
Diskussion Handelsvolumen
Seit Beginn der Modernen Finanzmarkttheorie hat sich das
durchschnittliche t¨gliche Handelsvolumen von Aktien an
a
der NYSE mehr als verf¨nfzigfacht∗
u
Deutlicher Anstieg trotz...
1500
Millionen Aktien
... Halbierung des Home Bias von US
1000
Anlegern
... zahlreicher neuer B¨rsenpl¨tze
o a
500
weltweit
... Wachstum des OTC-Handels
0
... Wachstum der Derivate
1980 1985 1990 1995 2000 2005
Jahr
Abbildung: T¨glicher NYSE-Handel
a
∗
Jahresberichte der New York Stock Exchange
Eisenhofer Computational Finance 11/43

12. Abgrenzung und Marktentwicklung Begriffe
Finanzmodelle und Handelsstrategien Prozessorleistung
Implementierung Informationsmenge
Diskussion Handelsvolumen
Die durchschnittliche Haltedauer einer Aktie ist heute ein
Zehntel derjenigen von Fama/French∗
Jahr Aktienbestand Aktienhandel Umschlag Haltedauer
in Bill. USD in Bill. USD pro Jahr in Jahren
1980 2,9 0,3 0,1 9,7
1990 8,9 5,7 0,6 1,6
1995 17,1 10,8 0,6 1,6
1996 19,5 14,0 0,7 1,4
1997 21,7 19,6 0,9 1,1
1998 25,4 23,5 0,9 1,1
1999 35,0 33,1 0,9 1,1
2000 31,0 49,8 1,6 0,6
2001 26,6 38,1 1,4 0,7
2002 22,8 33,1 1,5 0,7
2003 31,3 33,3 1,1 0,9
2004 39,5 42,3 1,1 0,9
2005 44,5 51,1 1,1 0,9
Tabelle: Weltweiter Aktienbestand und -handel von 1980 bis 2005
∗
World Federation of Exchanges (WFE)
Eisenhofer Computational Finance 12/43

13. Abgrenzung und Marktentwicklung Begriffe
Finanzmodelle und Handelsstrategien Prozessorleistung
Implementierung Informationsmenge
Diskussion Handelsvolumen
Der Anteil von Automated Trading am Handelsvolumen
(St¨cke) der NYSE steigt seit Jahren stark an∗
u
Die Entwicklung an der NYSE...
30
... ist repr¨sentativ f¨r alle
a u
25
Prozent
Computerb¨rsen
o
20
... war Ausl¨ser eines weltweiten
o
Kommunikationsstandards
15
(FIX Protocol)
10
1990 1995 2000 2005
Jahr
Abbildung: Anteil von Automated Trading
an der NYSE
∗
Jahresberichte der New York Stock Exchange
Eisenhofer Computational Finance 13/43

14. Abgrenzung und Marktentwicklung Begriffe
Finanzmodelle und Handelsstrategien Prozessorleistung
Implementierung Informationsmenge
Diskussion Handelsvolumen
Automated Trading ist heute ein elementarer Bestandteil
erfolgreicher Banken im globalen Wettbewerb∗
Platz Institution Mio. Aktien
1 Lehman Brothers 908,8
2 Goldman Sachs 667,2
3 Merrill Lynch 630,3
4 Morgan Stanley 512,2 Principal Orders
5 Credit Suisse Securities 419,4
6 UBS Securities 292,8
≈ 1/3
7 Deutsche Bank Securities 249,2 Agent Orders
8 RBC Capital Markets 208,1
9 Bear Stearns 195,3 ≈ 2/3
10 BNP Paribas Brokerage Services 179,5
11 Banc of America Securities 154,1
12 Schon-EX 122,8
13 Interactive Brokers 83,5
14 Citigroup Global Markets 48,3
15 Jefferies Execution Services 42,9
Tabelle: NYSE Automated Trader 1Y
∗
NYSE Research September 2007, Beobachtungszeitraum: 09/2006-08/2007
Eisenhofer Computational Finance 14/43

15. Abgrenzung und Marktentwicklung Portfolio Management
Finanzmodelle und Handelsstrategien Zeitreihenanalyse und Kursprognose
Implementierung Bewertung von Derivaten
Diskussion Handelsstrategietypen
Inhaltsverzeichnis
Abgrenzung und Marktentwicklung
Begriffe
Prozessorleistung
Informationsmenge
Handelsvolumen
Finanzmodelle und Handelsstrategien
Portfolio Management
Zeitreihenanalyse und Kursprognose
Bewertung von Derivaten
Handelsstrategietypen
Implementierung
Strategiedesign
Latenzminimierung
Reverse Engineering
Fehlerquellen und Cancellation
Eisenhofer Computational Finance 15/43

16. Abgrenzung und Marktentwicklung Portfolio Management
Finanzmodelle und Handelsstrategien Zeitreihenanalyse und Kursprognose
Implementierung Bewertung von Derivaten
Diskussion Handelsstrategietypen
Die Berechnung einer Markowitz-Optimierung erfolgt
selbst bei 100 Wertpapieren mit heutigen
Standard-Rechnern quasi ohne Zeitverz¨gerung
o
0.08
Portfolio mit 100 Wertpapieren
0.07
Mehr als 1.000.000
0.06
T
Rechenoperationen
expected return
0.05
M
< 1 Sekunde Rechenzeit
0.04
0.03
0.02
0.01
F
0.0 0.1 0.2 0.3 0.4 0.5
standard deviation of return
Abbildung: Markowitz-Optimierung
Eisenhofer Computational Finance 16/43

17. Abgrenzung und Marktentwicklung Portfolio Management
Finanzmodelle und Handelsstrategien Zeitreihenanalyse und Kursprognose
Implementierung Bewertung von Derivaten
Diskussion Handelsstrategietypen
Zur Quantifizierung der Sch¨tzfehlerproblematik wird im
a
Rahmen eines Portfolio Resampling die
Markowitz-Optimierung vielfach wiederholt
q
0.012
q
q
q q
q
reward
q q
q
q
q
q
q
q
q
q
q
q
q
q
q
q
q
q
q
q
q
q
q
q
q
q
q q
q q q q
q q
q q
q q q q
q q
q q q
q q
q q q q q q q
q q q
q q
q q q
q q q q q q q
q
q q q
q q q
q q q q q q
q q
Portfolio mit 100 Wertpapieren
q q q
q q
q q q
q q q q q
q q q q
q q q q
q q q q
q q q
q q q q q q
q q
q q q q q
q q
q q q q q q q
q q q
q q
q qq q
q
q q q
q q q q q q q q q
q q
qq q q q q q q q q
q
q
q q q
q q q q q q q q
qq q q q q q q q q
q q q
qq
q q q q
q q q q q q
q q q
q q qq qq q q
q q q q q q q q q
qq q q
q q
0.008
q q q
q q q q q
q q q q q
q
q q
q qq q
q q q q q
q q q q q
q q
q q q
q q q q q q
q qq q q
q q q q
q q q
q q q q q q
q q q q
qq q q
q q q
q q
qq q
q q q
q q
q q q
q q q
q q q
q q q
q q q
q q
q
q q q q
q
q
q q
q q q
q q
q
q q
qq
q
q
q
q
qq
q
q
q
q
q
q
q
q
q
q
q
q
0.032 0.034 0.036 0.038 0.040 0.042
risk
Gewinnung neuer Input-Daten
Histogram of sigmaratio
durch 500-faches Bootstrapping
150
(Ziehen mit Zur¨cklegen)
u
Frequency
50
≈ 10 Sekunden Rechenzeit
0
0.9 1.0 1.1 1.2 1.3 1.4 1.5
sigma/sigma optimal
Histogram of uratio
Frequency
40 80
0
0.6 0.8 1.0 1.2
up/0.012
Abbildung: Portfolio Resampling
Eisenhofer Computational Finance 17/43