Arbitrage-Strategien: Die Funktionsweise der statistischen Arbitrage verstehen

von Anupriya Gupta & Milind Paradkar

Was ist quantitativer Handel?

Quantitativer Handel wird verwendet, um Handelsmöglichkeiten zu identifizieren, indem statistische Techniken und quantitative Analysen historischer Daten eingesetzt werden. Quantitativer Handel ist auf Informationen anwendbar, die quantifizierbar sind, wie makroökonomische Ereignisse und Kursdaten von Wertpapieren. Quantitative Handelsmodelle werden von Algo-Händlern verwendet, wenn der Handel mit Wertpapieren ausschließlich auf Kauf-/Verkaufsentscheidungen von Computeralgorithmen beruht. Ein Beispiel für eine solche Strategie, die sich quantitative Techniken zunutze macht und an algorithmischen Handelsschaltern angewandt wird, ist die statistische Arbitrage-Strategie.

Statistische Arbitrage

Statistische Arbitrage oder Stat Arb ist seit langem eine äußerst profitable algorithmische Handelsstrategie für viele große Investmentbanken und Hedgefonds. Die statistische Arbitrage entstand in den 1980er Jahren unter der Führung von Morgan Stanley und anderen Banken und fand auf den Finanzmärkten breite Anwendung. Die Popularität dieser Strategie hielt mehr als zwei Jahrzehnte lang an, und es wurden verschiedene Modelle entwickelt, um große Gewinne zu erzielen.

Um es in einfachen Worten zu definieren: Statistische Arbitrage umfasst eine Reihe von quantitativ gesteuerten algorithmischen Handelsstrategien. Diese Strategien versuchen, die relativen Preisbewegungen bei Tausenden von Finanzinstrumenten auszunutzen, indem sie die Preismuster und die Preisunterschiede zwischen den Finanzinstrumenten analysieren. Das Endziel solcher Strategien ist es, Alpha (höhere als die normalen Gewinne) für die Handelsunternehmen zu generieren. Dabei ist zu beachten, dass es sich bei der statistischen Arbitrage nicht um eine Hochfrequenzhandelsstrategie (HFT) handelt. Sie kann als mittelfrequente Strategie eingestuft werden, bei der der Handelszeitraum zwischen einigen Stunden und einigen Tagen liegt.

Konzepte, die von statistischen Arbitragestrategien verwendet werden

Um die Preismuster und Preisunterschiede zu analysieren, verwenden die Strategien statistische und mathematische Modelle. Statistische Arbitragestrategien können auch unter Verwendung von Faktoren wie Lead/Lag-Effekten, Unternehmensaktivität, kurzfristigem Momentum usw. entwickelt werden, die nicht allein auf den Preisdaten beruhen. Dieser letztgenannte Ansatz wird als multifaktorielles statistisches Arbitragemodell bezeichnet. Zu den verschiedenen Konzepten, die bei statistischen Arbitragestrategien verwendet werden, gehören:

• Zeitreihenanalyse
• Autoregression und Kointegration
• Volatilitätsmodellierung
• Hauptkomponentenanalyse
• Musterfindungstechniken
• Maschinelle Lerntechniken
• Effiziente Grenzwertanalyse usw.

Typen von statistischen Arbitragestrategien

Die verschiedenen statistischen Arbitragestrategien umfassen:

• Marktneutrale Arbitrage
• Cross Asset Arbitrage
• Cross Market Arbitrage
• ETF Arbitrage

Marktneutrale Arbitrage

Dabei wird eine Long-Position in einem unterbewerteten Vermögenswert eingegangen und gleichzeitig ein überbewerteter Vermögenswert geshortet. Es wird davon ausgegangen, dass die Vermögenswerte ähnliche Volatilitäten aufweisen, so dass ein Anstieg des Marktes dazu führt, dass eine Long-Position an Wert gewinnt und die Short-Position um etwa den gleichen Betrag an Wert verliert. Die Positionen werden glattgestellt, wenn die Vermögenswerte zu ihrem normalisierten Wert zurückkehren.

Cross Market Arbitrage

Sie zielt darauf ab, die Preisdiskrepanz desselben Vermögenswerts zwischen den Märkten auszunutzen. Die Strategie kauft den Vermögenswert auf dem niedriger bewerteten Markt und verkauft ihn auf dem höher bewerteten Markt.

Cross Asset Arbitrage

Dieses Modell setzt auf die Preisdiskrepanz zwischen einem finanziellen Vermögenswert und seinem Basiswert. Zum Beispiel zwischen einem Aktienindex-Future und den Aktien, die den Index bilden.

ETF-Arbitrage

ETF-Arbitrage kann als eine Form der Cross-Asset-Arbitrage bezeichnet werden, bei der Diskrepanzen zwischen dem Wert eines ETF und seinen Basiswerten identifiziert werden.

Pairs Trading

StatArb ist eine weiterentwickelte Version von Pair-Trading-Strategien, bei denen Aktien aufgrund fundamentaler oder marktbasierter Ähnlichkeiten zu Paaren zusammengestellt werden. Wenn eine Aktie eines Paares besser abschneidet als die andere, wird die Aktie mit der schlechteren Wertentwicklung gekauft, in der Erwartung, dass sie ihren Partner mit der besseren Wertentwicklung überholt. Die Position wird gegen Marktveränderungen/-bewegungen abgesichert, indem die andere Aktie, die sich besser entwickelt hat, geshortet wird. Aufgrund der großen Anzahl der an der statistischen Arbitragestrategie beteiligten Aktien, des hohen Portfolioumsatzes und der relativ geringen Größe der angestrebten Spanne wird die Strategie häufig automatisiert umgesetzt, und es wird großer Wert auf die Reduzierung der Handelskosten gelegt. Die statistische Arbitragestrategie hat sich sowohl bei Hedgefonds als auch bei Investmentbanken zu einer wichtigen Kraft entwickelt.

Abbildung 1: Umsetzungsschritte einer statistischen Arbitragestrategie

Wie funktioniert die statistische Arbitragestrategie?

Wertpapiere wie Aktien neigen dazu, in Aufwärts- und Abwärtszyklen gehandelt zu werden, und eine quantitative Methode versucht, diese Trends zu nutzen. Das Trendverhalten des quantitativen Handels nutzt Softwareprogramme, um Muster oder Trends zu verfolgen. Die aufgedeckten Trends basieren auf dem Volumen, der Häufigkeit und dem Preis eines Wertpapiers, zu dem es gehandelt wird.

Abbildung 2: Statistische Arbitrage zwischen zwei Aktien der Zementindustrie: ACC und Ambuja sind beide an der National Stock Exchange of India notiert.

In der obigen Abbildung sind die Aktienkurse von ACC und Ambuja über einen Zeitraum von sechs Jahren dargestellt. Sie können sehen, dass die beiden Aktien während der gesamten Zeitspanne recht nahe beieinander liegen, mit nur einigen wenigen Ausreißern. In diesen Trennungsphasen ergibt sich eine Arbitragemöglichkeit, wenn man davon ausgeht, dass sich die Aktienkurse wieder annähern.

Der Knackpunkt bei der Identifizierung solcher Gelegenheiten liegt in zwei Hauptfaktoren:

• Identifizierung der Paare, die eine fortgeschrittene Zeitreihenanalyse und statistische Tests erfordern
• Bestimmung der Einstiegs- und Ausstiegspunkte für die Strategie, um die Marktposition zu nutzen

Es gibt viele eingebaute Paarhandelsindikatoren auf beliebten Plattformen, um Paare zu identifizieren und zu handeln. Oftmals werden jedoch die Transaktionskosten, die ein entscheidender Faktor für die Erzielung von Gewinnen aus einer Strategie sind, bei der Berechnung der prognostizierten Renditen nicht berücksichtigt. Daher wird empfohlen, dass Händler ihre eigenen statistischen Arbitragestrategien entwickeln und dabei alle Faktoren zum Zeitpunkt des Backtestings berücksichtigen, die sich auf die endgültige Rentabilität des Handels auswirken.

Risiken bei statistischer Arbitrage

Obwohl statistische Arbitragestrategien den quantitativen Handelsunternehmen viele Gewinne eingebracht haben, bergen diese Strategien auch eine Reihe von Risiken. Nachfolgend sind einige Risiken aufgeführt:

• Die Strategie hängt in hohem Maße davon ab, dass die Preise zu ihrem historischen oder vorhergesagten Normalwert zurückkehren. Dies kann in bestimmten Fällen nicht der Fall sein, und die Preise können sich weiter von der historischen Normalität entfernen.
• Die Finanzmärkte sind ständig in Bewegung und entwickeln sich auf der Grundlage von Ereignissen, die auf der ganzen Welt stattfinden. Daher kann der Gewinn aus statistischen Arbitragemodellen nicht immer garantiert werden.

Projekte zu statistischer Arbitrage von EPAT Alumni

Statistische Arbitragestrategien können auf verschiedene Finanzinstrumente und Märkte angewendet werden. Das Executive Programme in Algorithmic Trading (EPAT) beinhaltet im Rahmen des Moduls „Strategies“ eine Session zu „Statistical Arbitrage and Pairs Trading“. Viele unserer EPAT-Teilnehmer haben während ihrer Kursarbeit erfolgreich Strategien für den Paarhandel entwickelt. Nachfolgend finden Sie einige der Projekt-Blogs zu Ihrer Information.

Paarhandel mit ETFs – EPAT-Projektarbeit

Paarhandel – Statistische Arbitrage auf Cash-Aktien

Paarhandelsstrategie und Backtesting mit Quantstrat

Statistische Arbitrage: Pair Trading im mexikanischen Aktienmarkt

Implementierung von Pairs Trading/Statistical Arbitrage Strategy in FX Markets: EPAT-Projektarbeit

Nächster Schritt

Zugang zu diesem Projekt, das auf ‚Pair Trading – Statistical Arbitrage On Cash Stocks‘ basiert und von Jonathan Narváez als Teil der EPAT-Kursarbeit am QuantInsti in Python programmiert wurde und auch herunterladbare Dateien enthält.

Haftungsausschluss: Alle Investitionen und der Handel am Aktienmarkt sind mit Risiken verbunden. Jede Entscheidung, an den Finanzmärkten zu handeln, einschließlich des Handels mit Aktien, Optionen oder anderen Finanzinstrumenten, ist eine persönliche Entscheidung, die nur nach gründlicher Recherche getroffen werden sollte, einschließlich einer persönlichen Risiko- und Finanzbewertung und der Inanspruchnahme professioneller Hilfe, soweit Sie dies für notwendig halten. Die in diesem Artikel erwähnten Handelsstrategien oder damit zusammenhängenden Informationen dienen nur zu Informationszwecken.