Forschung und Entwicklung

Efficient Market Hypothesis (EMH)

Seit über 100 Jahren wird versucht, das Marktgeschehen mit Modellen abzubilden und damit Voraussagen zu machen. Die Efficient Market-Hypothese postuliert, dass mit systematischen Trading kein Gewinn gemacht werden kann.

Die Theorie effizienter Märkte beruht auf der Annahme, dass alle Marktteilnehmer in jedem Moment alle preisrelevanten Informationen besitzen und auf neue Meldungen derart reagieren, dass die Preise permanent die entsprechenden Informationen enthalten. Wenn dies der Fall ist, dann ist es einem Marktteilnehmer nicht mehr möglich, aufgrund irgendwelcher Informationen (fundamentaler oder charttechnischer Art) Überschussgewinne zu realisieren.

Und es gibt sie doch!

Prof. Yi-Cheng Zhang von der Universität Freiburg (Schweiz) zeigt mit einfachen Untersuchungen, dass es sehr wohl Markt-Ineffizienzen gibt. Er zeigt aber auch warum: Es braucht unendliche Mittel, um eine Ineffizienz vollständig zum Verschwinden zu bringen. Zudem ist die Grundlage der EMH die stetige Verfügbarkeit aller Informationen zu einem Produkt. Diese Informationen stehen längst nicht allen Marktteilnehmern zur Verfügung und wenn sie es tun, dann sind sie so umfangreich, dass sie nicht genügend gewertet werden können oder gar verschieden interpretiert werden.

Unsere Untersuchungen zeigen auch klar, dass es mehr oder weniger effiziente Märkte gibt. Je mehr die Märkte von Spekulationen getrieben werden, desto effizienter werden sie. Sobald eine Ineffizienz auftritt, kommt sofort ein Trader auf den Plan, der diese nutzt.  Man muss also die Ineffizienzen immer wie mehr in Randbereichen suchen, wo sie noch niemand nutzt. Das kann in komplexen Algorithmen sein, die noch keiner entdeckt hat oder auch in kurzen Zeitintervallen, in denen auf eine Ineffizienz reagiert wird.

Erkenntnisse
Die Systementwickler der ATONCE Capital Management AG forschten mit den unterschiedlichsten Werkzeugen. Unter anderem auch mit Neuro-Bayes, einem Tool aus dem Cern, mit dem nach subatomaren Teilchen gesucht wird. Dieses Tool hat perfekte statistische Ansätze, braucht aber zu viele Daten, um im Trading nutzbringend angewandt werden zu können.

Mit der Zeit reifte die Erkenntnis, dass es kein Werkzeug auf dem Markt gibt, welches alle relevanten Faktoren berücksichtigt und ein effizientes Suchen nach Anomalien resp. Ineffizienzen des Marktes erlaubt.

So entstand mit ATONCE Discovery eine Basis zur Entwicklung von Tradingsystemen, welche weltweit einmalig ist.

Datenbasis
Für jegliche Forschungen ist eine gesicherte Datenbasis die unerlässliche Grundlage. Diese Daten müssen in einer schnell zugreifbaren Form vorliegen. Mit dem ADS (ATONCE Data Server) als Bestandteil von ATONCE Discovery verfügt ATONCE Capital Management AG heute über einen blitzschnellen Datenserver, welcher auf einen Datenstamm von 140 GB Tages- und Intraday-Daten zugreifen kann.

Indikatoren
Egal welche Trading-Idee einem Tradingsystem zu Grunde liegt, schlussendlich wird basierend auf einem Indikator eine Aktion ausgelöst. Die Natur eines Indikators kann eine mathematische Methode sein wie: Mustererkennung, Interaktion mit anderen Daten wie Indices oder gar mit Fundamentaldaten. Die Berechnung von Indikatoren erfordert enorme Rechenleistung und verlangsamt entsprechend die Entwicklung neuer Tradingsysteme. Daher verfügt ATONCE Discovery über vorausberechnete Indikatoren jeder Art. Diese Indikatoren können auf diese Weise sehr schnell in die Fragestellung mit einbezogen werden.

Benutzerebene
Auf der Benutzerebene kann sehr einfach jede Tradingidee umgesetzt werden und über einen beliebigen Zeitraum über alle verfügbaren Produkte ausgewertet werden. Fragestellungen können in Sekundenbruchteilen ausgewertet werden.

In sample – out of sample
Einer der grössten Fehler beim Entwickeln von Tradingsystemen ist der ausschliessliche Test über bekannte Daten, der In-Sample-Test. Kenner wissen, dass man mit geeigneten Algorithmen jede Kurve nachbilden und somit auf bekannten Daten das perfekte Tradingsystem bauen kann. ATONCE Discovery lässt den automatisierten Out-Of-Sample-Test mit verschiedensten Methoden zu.

Statistische Relevanz
Eine der schwierigsten Aufgaben ist das Umgehen mit der statistischen Relevanz. Der Mensch ist nicht gebaut für Statistik. Kaum ist ein Ereignis mehrmals geschehen, leitet er eine Regel daraus ab. Mit einer Methode, abgeleitet aus Neuro-Bayes, kann mit ATONCE Discovery die statistische Relevanz von Ereignissen bestimmt und berücksichtigt werden.

Das Resultat all dieser Auswertungen ist eine Tradinganweisung, ein Tradingsystem. >>