Die Efficient Market Hypothesis (EMH) besagt, dass Finanzmärkte „informationell effizient“ sind, da die Preise der gehandelten Vermögenswerte alle bekannten Informationen zu einem bestimmten Zeitpunkt widerspiegeln. Aber wenn das stimmt, warum variieren dann die Preise von Tag zu Tag, obwohl keine neuen grundlegenden Informationen vorliegen? Die Antwort beinhaltet einen Aspekt, der bei einzelnen Händlern häufig vergessen wird: Liquidität.
Viele große institutionelle Trades im Laufe des Tages haben nichts mit Informationen und alles mit Liquidität zu tun. Anleger, die sich überbelichtet fühlen, werden Positionen aggressiv absichern oder liquidieren, was sich letztendlich auf den Preis auswirkt. Diese Liquiditätsnachfrager sind oft bereit, einen Preis zu zahlen, um ihre Positionen zu verlassen, was zu einem Gewinn für Liquiditätsanbieter führen kann. Diese Fähigkeit, von Informationen zu profitieren, scheint der Hypothese des effizienten Marktes zu widersprechen, bildet jedoch die Grundlage der statistischen Arbitrage.
Statistische Arbitrage zielt darauf ab, die fundamentale Beziehung zwischen Preis und Liquidität zu nutzen, indem sie von der wahrgenommenen Fehlbewertung eines oder mehrerer Vermögenswerte profitiert, die auf dem erwarteten Wert der aus einem statistischen Modell generierten Vermögenswerte basiert.
Key Takeaways
- Statistische Arbitrage ist eine Anlagestrategie, die von der Verengung einer Lücke in den Handelspreisen von zwei oder mehr Wertpapieren profitieren soll.
- Stat arb beinhaltet mehrere verschiedene Strategien, aber alle beruhen auf statistischen oder korrelativen Regelmäßigkeiten zwischen verschiedenen Vermögenswerten in einem Markt, der zur Effizienz tendiert.
- Auch wenn es das Wort „Arbitrage“ im Namen hat, kann stat arb sehr riskant sein und zu enormen und systemischen Verlusten führen, wie zum Beispiel beim epischen Zusammenbruch des Hedgefonds Long Term Capital Management (LTCM).
Was ist statistische Arbitrage?
Statistical Arbitrage oder „stat arb“ entstand in den 1980er Jahren aus den Hedging-Anforderungen von Morgan Stanley Equity Block Trading Desk Operationen erstellt. Morgan Stanley konnte Preisstrafen im Zusammenhang mit großen Blockkäufen vermeiden, indem er Aktien anstelle von eng korrelierten Aktien als Absicherung gegen seine großen Positionen kaufte.
Wenn der Trading Desk beispielsweise einen großen Aktienblock von Coca-Cola kauft, würde er eine eng korrelierte Aktie wie PepsiCo leerverkaufen, um sich kurzfristig gegen größere Markteinbrüche abzusichern. Dies beseitigte effektiv einen Teil des Marktrisikos, während das Unternehmen versuchte, die von ihm gekauften Aktien in einer Blocktransaktion zu platzieren.
Händler begannen bald, diese „Paare“ nicht als isolierten Block und seine Absicherung zu betrachten, sondern als zwei Seiten derselben Handelsstrategie, auf denen Gewinne erzielt werden konnten, und nicht nur als Absicherungsinstrument. Diese Paargeschäfte entwickelten sich schließlich zu mehreren ausgefeilteren Strategien, die darauf abzielten, statistische Unterschiede bei den Wertpapierpreisen aufgrund von Liquidität, Volatilität, Risiko oder anderen fundamentalen oder technischen Faktoren auszunutzen. Wir klassifizieren diese Strategien nun kollektiv als statistische Arbitrage.
Arten statistischer Arbitrage
Es gibt viele Arten statistischer Arbitrage, die erstellt wurden, um verschiedene Arten von Möglichkeiten zu nutzen. Während einige Arten durch einen immer effizienteren Markt auslaufen, gibt es mehrere andere Möglichkeiten, die entstanden sind, um ihren Platz einzunehmen. Hier sind nur einige der primären stat arb Strategien.
Risiko-Arbitrage
Risiko-Arbitrage ist eine Form der statistischen Arbitrage, die versucht, von Fusionssituationen zu profitieren. Anleger kaufen Aktien im Ziel und (wenn es sich um eine Aktientransaktion handelt) gleichzeitig die Aktie des Erwerbers. Das Ergebnis ist ein Gewinn aus der Differenz zwischen dem Buyout-Preis und dem Marktpreis.
Im Gegensatz zur traditionellen statistischen Arbitrage beinhaltet die Risikoarbitrage die Übernahme einiger Risiken. Das größte Risiko besteht darin, dass die Fusion durchfällt und die Aktie des Ziels auf das Niveau vor der Fusion fällt. Ein weiteres Risiko betrifft den Zeitwert des investierten Geldes. Fusionen, die lange dauern, können die jährlichen Renditen der Anleger beeinträchtigen.
Der Schlüssel zum Erfolg bei der Risikoarbitrage besteht darin, die Wahrscheinlichkeit und Aktualität der Fusion zu bestimmen und diese mit der Preisdifferenz zwischen der Zielaktie und dem Buyout-Angebot zu vergleichen. Einige Risikoarbitrageure haben begonnen, auch über Übernahmeziele zu spekulieren, was zu wesentlich höheren Gewinnen bei gleich hohem Risiko führen kann.
Volatilitätsarbitrage
Volatilitätsarbitrage ist eine beliebte Art der statistischen Arbitrage, die sich darauf konzentriert, die Unterschiede zwischen der impliziten Volatilität einer Option und einer Prognose der zukünftigen realisierten Volatilität in einem delta-neutralen Portfolio auszunutzen. Im Wesentlichen spekulieren Volatilitätsarbitrageure auf die Volatilität des zugrunde liegenden Wertpapiers, anstatt eine Richtungswette auf den Preis des Wertpapiers zu setzen.
Der Schlüssel zu dieser Strategie ist die genaue Vorhersage zukünftiger Volatilität, die aus einer Vielzahl von Gründen abweichen kann, darunter:
- Patentstreitigkeiten
- Ergebnisse klinischer Studien
- Ungewisse Erträge
- M&Eine Spekulation
Einmal arbitrageur hat die zukünftige realisierte Volatilität geschätzt, er oder sie kann beginnen, nach Optionen zu suchen, bei denen die implizite Volatilität entweder signifikant niedriger oder höher ist als die prognostizierte realisierte Volatilität für das zugrunde liegende Wertpapier. Wenn die implizite Volatilität niedriger ist, kann der Händler die Option kaufen und sich mit dem zugrunde liegenden Wertpapier absichern, um ein Delta-neutrales Portfolio zu erstellen. Wenn die implizite Volatilität höher ist, kann der Händler die Option verkaufen und sich mit dem zugrunde liegenden Wertpapier absichern, um ein delta-neutrales Portfolio zu erstellen.
Der Händler wird dann einen Gewinn aus dem Handel erzielen, wenn die realisierte Volatilität des Basiswerts näher an seiner Prognose liegt als an der Prognose des Marktes (oder der impliziten Volatilität). Der Gewinn wird aus dem Handel durch die kontinuierliche Absicherung erzielt, die erforderlich ist, um das Portfolio deltaneutral zu halten.
Neuronale Netze
Neuronale Netze werden im Bereich der statistischen Arbitrage immer beliebter, da sie komplexe mathematische Beziehungen finden, die für das menschliche Auge unsichtbar erscheinen. Diese Netzwerke sind mathematische oder rechnerische Modelle, die auf biologischen neuronalen Netzen basieren. Sie bestehen aus einer Gruppe miteinander verbundener künstlicher Neuronen, die Informationen mit einem konnektionistischen Berechnungsansatz verarbeiten — das heißt, sie ändern ihre Struktur basierend auf den externen oder internen Informationen, die während der Lernphase durch das Netzwerk fließen.Im Wesentlichen sind neuronale Netze nichtlineare statistische Datenmodelle, die verwendet werden, um komplexe Beziehungen zwischen Ein- und Ausgängen zu modellieren, um Muster in Daten zu finden. Offensichtlich kann jedes Muster in Wertpapierpreisbewegungen für Profit ausgenutzt werden.
Hochfrequenzhandel
Hochfrequenzhandel (HFT) ist eine relativ neue Entwicklung, die darauf abzielt, die Fähigkeit von Computern zur schnellen Ausführung von Transaktionen zu nutzen. Die Ausgaben im Handelssektor sind im Laufe der Jahre erheblich gestiegen, und infolgedessen gibt es viele Programme, die Tausende von Trades pro Sekunde ausführen können. Da die meisten statistischen Arbitragemöglichkeiten aufgrund des Wettbewerbs begrenzt sind, ist die Fähigkeit, Trades schnell auszuführen, die einzige Möglichkeit, Gewinne zu erzielen.Immer komplexere neuronale Netze und statistische Modelle in Kombination mit Computern, die in der Lage sind, Zahlen zu knacken und Trades schneller auszuführen, sind der Schlüssel zu zukünftigen Gewinnen für Arbitrageure.
Wie statistische Arbitrage die Märkte beeinflusst
Statistische Arbitrage spielt eine entscheidende Rolle bei der Bereitstellung eines Großteils der täglichen Liquidität an den Märkten. Anfänglich half es großen Blockhändlern, ihre Trades zu platzieren, ohne die Marktpreise signifikant zu beeinflussen, und reduzierte gleichzeitig die Volatilität bei Themen wie American Depositary Receipts (ADRs), indem sie enger mit ihren Mutteraktien korreliert wurden.
In der Tat tendieren Stat Arb-Strategien, da sie immer weiter verbreitet und automatisiert werden, dazu, den Markt in Richtung größerer Effizienz zu treiben. Wenn Arbitragemöglichkeiten zwischen Vermögenswerten entstehen, werden sie durch den Einsatz dieser Strategien schnell eliminiert. Infolgedessen kann stat arb zu einem liquideren, stabileren Markt führen.
Allerdings hat die schiefgelaufene statistische Arbitrage auch einige große Probleme verursacht. Der Zusammenbruch des Long Term Capital Management (LTCM) im Jahr 1998 ließ den Markt fast in Trümmern liegen. Um von solch kleinen Preisabweichungen zu profitieren, ist es notwendig, eine erhebliche Hebelwirkung zu übernehmen.
Da diese Trades automatisiert sind, gibt es außerdem integrierte Sicherheitsmaßnahmen. Im Fall von LTCM bedeutete dies, dass es bei einer Abwärtsbewegung liquidiert würde; das Problem war, dass die Liquidationsaufträge von LTCM nur mehr Verkaufsaufträge in einer schrecklichen Schleife auslösten, die schließlich mit staatlichen Interventionen beendet werden würde.
Denken Sie daran, dass die meisten Börsencrashs auf Liquiditäts— und Hebelprobleme zurückzuführen sind – genau die Arena, in der statistische Arbitrageure tätig sind. Stat Arb-Algorithmen wurden auch teilweise für die „Flash-Crashs“ verantwortlich gemacht, die der Markt in den letzten zehn Jahren erlebt hat. Ein Flash-Crash ist ein Ereignis auf elektronischen Wertpapiermärkten, bei dem ein schneller Ausverkauf von Wertpapieren zu einer negativen Rückkopplungsschleife führt, die innerhalb weniger Minuten zu dramatischen Kursverlusten führen kann.
Das Endergebnis
Statistische Arbitrage ist eine der einflussreichsten Handelsstrategien, die jemals entwickelt wurden, obwohl ihre Popularität seit den 1990er Jahren leicht zurückgegangen ist. Heute wird der größte Teil der statistischen Arbitrage durch Hochfrequenzhandel unter Verwendung einer Kombination aus neuronalen Netzen und statistischen Modellen durchgeführt. Diese Strategien bieten nicht nur Liquidität, sondern waren auch maßgeblich für einige der größten Abstürze verantwortlich, die wir in der Vergangenheit bei Unternehmen wie LTCM gesehen haben. Solange Liquiditäts- und Hebelprobleme kombiniert werden, dürfte dies die Strategie auch für den normalen Anleger weiterhin anerkennenswert machen.