Beruflich Dokumente
Kultur Dokumente
Liquidität am deutschen
Kapitalmarkt
Erholungsfähigkeit der DAX-30-Titel
Deutscher Universitäts-Verlag
Bibliografische Information Der Deutschen Nationalbibliothek
Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der
Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über
<http://dnb.d-nb.de> abrufbar.
Geleitwort
Vorwort
Nach arbeitsreichen Jahren, die mich an dieses Ziel geführt haben, lege ich mit Stolz
diese Arbeit vor, weil es gelungen ist, berufsbegleitend neben der sehr zeitintensiven
Tätigkeit als Fondsmanager bei der DEVIF und der Union Investment dieses Projekt
zu verwirklichen. Dies in dem Bewusstsein, dennoch nur einen Versuch getätigt zu
haben, ein empirisch bisher kaum erarbeitetes Gebiet etwas mehr erforscht und im
Zuge dessen eine für den Deutschen Kapitalmarkt einzigartige Datenbank geschaffen
zu haben, welche die Grundlage für den empirischen Teil der Arbeit darstellt.
Den hoch volatilen Kapitalmärkten verdanke ich die Tatsache, dass gerade das außer-
gewöhnliche Aktienjahr 2003 mit seinen extremen Kursbewegungen für die ange-
strebte Untersuchung hervorragend geeignet ist. Rückblickend gab es einige besonders
schöne Zeiträume, wie mein Arbeitsaufenthalt in Klausur auf Mallorca oder in der
Toscana, und den Moment, als ich diese Arbeit einreichen konnte.
An erster Stelle möchte ich meinem Doktorvater Professor Dr. Wolfgang Gerke herz-
lich dafür danken, dass er mir die Chance gab, bei ihm als Externer wissenschaftlich
arbeiten zu können, was nur sehr Wenigen zu Teil wurde.
Meinem Zweitgutachter, Professor Dr. Wolfgang Harbrecht möchte ich dafür danken,
dass er trotz seiner hohen zeitlichen Belastungen meine Arbeit als Gutachter annahm
und in rekordverdächtiger Zeit begutachten konnte. Hätten beide Herren Professoren
sich meiner Arbeit nicht so intensiv angenommen, so würde mein beruflicher Werde-
gang heute anders aussehen.
Beim Verlag bedanke ich mich für die Veröffentlichung der vorliegenden Arbeit.
Einen sehr hohen Beitrag leistete das Rechenzentrum der Universität Erlangen-
Nürnberg, das mir für die Berechnung der Optionswerte viele tausend Stunden Rech-
nerleistung zur Verfügung stellten, ohne deren Kapazität die vorliegende Arbeit nicht
möglich gewesen wäre.
Bei der Forschungsgemeinschaft Augsburg-Nürnberg (FAN) möchte ich mich für die
Vortragsmöglichkeit im Juli 2003 bedanken, die mir durch zahlreiche kritische Fragen
half, das Modell an einzelnen Stellen zu optimieren.
Holger Jensen gebührt mein Dank für seine Analyse der technischen Möglichkeiten,
um auf einen Strom von Realtimedaten zugreifen zu können, und die Bereitstellung
dieser EDV-Lösung. Die immense Herausforderung der Programmierung der Schnitt-
VIII Vorwort
stelle vom Datenfluss zur Datenbank sowie die Optimierung von Rechenroutinen zur
Berechnung der Optionsbewertung und der Erholungsfähigkeit wären ohne die weit-
reichenden Kenntnisse und die scharfsinnigen Modellhinterfragungen von Eugen
Tsender niemals gelungen. Er hat stets mit weitreichend betriebswirtschaftlich und
optionstheoretisch fundiertem Hintergrund das Ziel so exakt wie möglich zu definieren
versucht und bei allen Arbeiten stets überprüft, ob das Teilziel erreicht und funktions-
fähig ist. So hat sich im Laufe der Zeit zwischen uns eine Freundschaft entwickelt.
Ferdinand Mager gilt mein Dank, weil er über all die Jahre als zentraler Ansprechpart-
ner für mich am Lehrstuhl in Nürnberg zur Verfügung stand, immer ein offenes Ohr
für mich hatte und mich stets freundlich ermahnte: „tempus fugit.“
Carlo Beck, Felix Breuer und Timo Reinschmidt unterstützten mich in der Endphase
in ihren unterschiedlichen Funktionen an der Universität. Auch bei ihnen möchte ich
mich ganz herzlich bedanken.
Bei meiner wissenschaftlichen Weggefährtin Karin Häring bewundere ich ihre Ge-
lassenheit für die vielen Stunden, die sie sich Zeit genommen hat, mit mir sowohl über
Grundsätzliches als auch über den Feinschliff der Arbeit zu diskutieren.
Bei Gabriele Peltzer möchte ich mich bedanken, weil sie immer an den Fortschritt
geglaubt und mich soweit wie möglich bei der Dissertation unterstützt hat. Ich hoffe,
dass ich es nicht zu sehr bereuen werde, dass ich neben der großen beruflichen Aus-
lastung auch sehr viel Zeit in dieses Projekt investiert habe, die ich in diesem Zeitraum
leider nicht meinem Sohn Jan-Niklas widmen konnte.
Zuletzt bleibt mein Dank an Ágnes Horváth. Gemeinsam mit ihr und auch Dank ihr
konnte ich meine Dissertation vollenden.
Christian Gärtner
Inhaltsverzeichnis IX
Inhaltsverzeichnis
Abbildungsverzeichnis.............................................................................................. XV
Tabellenverzeichnis................................................................................................ XVII
Abkürzungsverzeichnis ...........................................................................................XIX
1 Einführung ............................................................................................................ 1
5 Schlussbetrachtung........................................................................................... 209
Anhang 1: Änderung der Tick Size im CAC-40 durch die Umstellung auf Euro.. 215
Anhang 2: Maximale Entfernung eines limitierten Gebotes mit ökonomischer
Relevanz................................................................................................ 217
Anhang 3: Grenzwerte für das Minimum und Maximum des Optionswertes nach
Black-Scholes........................................................................................ 218
Anhang 4: Hedgingstrategien der Market-Maker................................................... 219
Anhang 5: Erfasste Parameter in 2003 ................................................................... 219
Anhang 6: Sektorzugehörigkeit und Indexgewichtung der Einzeltitel im DAX.... 220
Anhang 7: Ad hoc Meldungen für die 28 beobachteten Aktien............................. 221
Anhang 8: Fehlende Datensätze ............................................................................. 224
Anhang 9: Eurex-Optionskurse kurz vor Optionsverfall........................................ 225
Anhang 10: Durchschnittliche Steigung der Geldseite des Orderbuchs in Cent.... 229
Anhang 11: Durchschnittliche Steigung des Briefseite des Orderbuchs in Cent ... 230
Anhang 12: Erholungsfähigkeit – grafische Darstellung ....................................... 231
Anhang 13: Algorithmus der wichtigsten Programmroutinen ............................... 235
Anhang 14: DAX-Titel mit einer offiziellen Notierung in den USA in 2003........ 239
Anhang 15: Limitorderstrategien mit Optionswertverhältnissen im Zeitablauf..... 240
Anhang 16: Limitorderstrategien mit Optionswerten zu einem Zeitpunkt ............ 242
Abbildungsverzeichnis
Tabellenverzeichnis
Abkürzungsverzeichnis
Abb. Abbildung
Abs. Absatz
ADS* Adidas-Salomon AG
ALT Altana AG
ALV Allianz AG
AMEX American Stock Exchange
ARCH Autoregressive Conditional Heteroscedasticity
ASX Australian Stock Exchange
AtM at the money
ATS Alternative Trading System
BASF BASF AG
BAY Bayer AG
Bd. Band
BMW Bayerische Motorenwerke AG
bp Basispunkt
bzgl. bezüglich
bzw. beziehungsweise
c.p. ceteris paribus
ca. circa
CAC Cotation Assistée en Continu
CATS Computer Assisted Trading System
CBK Commerzbank AG
CBOE Chicago Board Options Exchange
CBOT Chicago Board of Trade
CME Chicago Mercantile Exchange
CPU Central Processing Unit
d.h. das heißt
DAX Deutscher Aktienindex, DAX 30
DBA Deutsche Börse AG
DBK Deutsche Bank AG
* Die Abkürzungen der DAX-Titel entsprechen den gekürzten Reuters Codes ohne dem Reuters spe-
zifischen, angehängten Buchstaben G (Germany) und ohne weitere Kürzel für Namensaktien oder
Vorzugs- und Stammaktien. Die Bezeichnung der Firma erfolgt für die Einzeltitel im Text stets ohne
Angabe der Rechtsform „Aktiengesellschaft.“
XX Abkürzungsverzeichnis
impl. implizit
Jg. Jahrgang
KAGG Gesetz über Kapitalanlagegesellschaften
KGaA Kommanditgesellschaft auf Aktien
Kum. Kumuliert
LEPO Low Exercise Price Option
LHA Lufthansa AG
LIFFE London International Financial Futures Exchange
LIN Linde AG
LOB Limitorderbuch
LSE London Stock Exchange
LTCM Long Term Capital Management
MAN MAN AG
MATIF Marché à Terme International de France
MATIS Makler-Tele-Informations-System
MDAX MDAX70
MEO Metro AG
Min. Minute
Mio. Millionen
MMI Major Market Index
MUV Münchener Rückversicherungsgesellschaft AG
NASDAQ National Association of Securities Dealers Automated Quotation
System
Nr. Nummer
NYSE New York Stock Exchange
OMX Stockholm Exchange Index
OTC Over the Counter
p.a. per annum
RWE RWE AG
S&P 100 Standard & Poor’s 100 Index
S&P 500 Standard & Poor’s 500 Index
S. Seite
s. siehe
SAP SAP AG
SAX Stockholm Automated Exchange
SCH Schering AG
SEAQ Stock Exchange Automated Quotation
SEATS Stock Exchange Automated Trading System
XXII Abkürzungsverzeichnis
Sek. Sekunde
SIE Siemens AG
SMI Swiss Market Index
SOES Small Order Execution System
SOFFEX Swiss Options and Financial Futures Exchange
sog. So genannt
StA Stammaktie
SWX Swiss Stock Exchange
Tab. Tabelle
TKA Thyssen Krupp AG
TSE Tokyo Stock Exchange
TUI TUI AG
u. und
u.a. unter anderem
u.ä. und ähnliches
u.U. unter Umständen
usw. und so weiter
VaR Value at Risk
vgl. vergleiche
Vink. NA Vinkulierte Namensaktie
VIX Chicago Board of Options Exchange Volatility Index
Vol. Volume
VOW Volkswagen AG
Vz. Vorzüge
WpHG Wertpapierhandelsgesetz
Xetra Exchange Electronic Trading
z. B. zum Beispiel
Einführung 1
1 Einführung
1.1 Problemstellung
Die Organisation und Konfiguration1 des deutschen Kapitalmarktes wurde mit der
Einführung des Xetra2-Handelssystems am 28. November 1997 grundlegend modifi-
ziert. Dort können alle Teilnehmer ihre verbindlichen Gebote in das Computersystem
einstellen und gleichzeitig Aufträge von anderen Marktteilnehmern beobachten.
Dadurch wurde die Voraussetzung geschaffen, einem großen Kreis von Kapitalmarkt-
teilnehmern eine immer umfangreichere Menge an Informationen mit besserer Qualität
und schnellerer Verfügbarkeit zu liefern. Dies ermöglicht Investoren einen sehr guten
und zeitnahen Einblick in die Angebots- und Nachfragesituation z.B. der DAX-Werte.
Diese Verbesserung der Informationsqualität, der standortunabhängige Zugang mit
zeitgleichen, identischen Informationen sowie die geringen Transaktionsgebühren
haben dazu beigetragen, dass sich die Liquidität der DAX-Aktien im Xetra kon-
zentriert hat.3 Dies führt zu der Annahme, dass sich im Vergleich zu der Zeit vor der
Einführung von Xetra die Aktionszeit für die Umsetzung von Investitionsentscheidun-
gen und die Reaktionszeit auf neue Informationen deutlich verringert haben.
Für die Beurteilung von Börsen ist neben der Abwicklungs-, Bewertungs-, Informa-
tions- und Kosteneffizienz4 die Preisbildungseffizienz ein Hauptkriterium. Diese wird
als eine geringst mögliche Volatilität der Ausführungskurse bei nicht informations-
induzierten Transaktionen verstanden.5 Die bisher zu den aufgezählten Hauptkriterien
durchgeführten Untersuchungen konzentrieren sich im Wesentlichen auf die Liquidität
und ihre Determinanten Marktbreite, Markttiefe und den Sofortigkeitsservice.6 Diese
1
Vgl. GERKE / RAPP (1994), S. 7, die zwischen den Organisationsformen des Auktionssystems
und dem Market-Maker-System unterscheiden. Die Konfiguration einer Börse unterteilen sie in
eine Präsenzbörse und eine Computerbörse.
2
Vgl. GIOT / GRAMMIG (2002), S. 4. Neben Deutschland wurde dieses Handelssystem auch an
den Börsen in Wien und Dublin sowie der Europäischen Energiebörse eingeführt.
3
Vgl. www.xetra.de, Monatsstatistik: In Februar 2005 wurden für den DAX 97,34%, den MDAX
92,85%, den TecDAX 85,93% und den SDAX 69,62% des Volumens über Xetra gehandelt.
4
Vgl. GERKE / RAPP (1994), S. 11.
5
Vgl. GERKE / RAPP (1994), S. 11.
6
Vgl. GARBADE (1982), S. 420ff. Marktbreite ist gegeben, wenn um den Gleichgewichtspreis
herum zahlreiche limitierte Aufträge auch hohe Volumina besitzen. Dadurch ist gewährleistet,
dass es bei umfangreichen unlimitierten Orders nicht zu großen Preisveränderungen kommt.
Markttiefe liegt vor, wenn in der Nähe des letzten Transaktionskurses viele limitierte Aufträge
vorhanden sind und somit bei der nächsten unlimitierten Order Preiskontinuität herrscht, also nur
2 Einführung
x Der empirische Teil der Arbeit nutzt eine speziell generierte Datenbank mit etwa
106 Mio. Xetra-Datensätzen. Es sind alle Transaktionen und die jeweils 10 besten
Geld- und Briefgebote für die DAX-Titel für das Handelsjahr 2003 erfasst. Die
Analyse dieser großen Datenmenge von ca. 82 Gigabyte Rohdaten, stellte dabei
eine EDV-technische Herausforderung dar, die nur mit Unterstützung des Rechen-
zentrums der Universität Erlangen-Nürnberg realisiert werden konnte. Dort
wurden für einen Zeitraum von etwa zehn Wochen mit 18 Prozessoren (2,33 GHz)
die Optionswerte für alle erfassten Datensätze berechnet.
x Für einzelne Aktien werden Phasen mit hohen Kursausschlägen untersucht. Dabei
wird die Erholungsfähigkeit für die jeweiligen Situationen bestimmt. Die Beson-
derheit in der durchgeführten Untersuchung ist die Berechnung des Optionswertes
für jedes der 10 besten Geld- und Briefgebote im Orderbuch. Dies wurde bisher in
eine kleine transitorische Preisänderung auftritt. Als Sofortigkeitsservice wird eine kontinuier-
liche Möglichkeit des Handels, ohne Berücksichtigung der Kosten, bezeichnet. (vgl. Kapitel 2.2.)
7
Vgl. GERKE / RAPP (1994), S. 12 für diese Definition der Erholungsfähigkeit.
8
Vgl. FREIHUBE / KRAHNEN / THEISSEN (2001) die im Gegensatz dazu als zentrales Beurtei-
lungskriterium für die Qualität eines Marktes die Transaktionskosten nennen.
9
Vgl. GERKE / RAPP (1994), S. 6 für die benutzte Terminologie bezüglich des Marktmodells.
Einführung 3
keiner Studie kontinuierlich für die Orderbuchtiefe über einen Zeitablauf von 12
Monaten durchgeführt. Mit dieser Berechnung von extrem kurzlaufenden Optio-
nen mit einer Restlaufzeit von 15 Minuten begibt sich die Arbeit auf ein Gebiet
mit hoher praktischer Relevanz, das aber durch die fehlende Datenbasis, bis zum
heutigen Tage in der Forschung wenig bearbeitet wurde. Zusätzlich wird in einen
Bereich der empirischen Markt-Mikroökonomie mit High Frequency-Daten vorge-
drungen, für den sich bisher kaum mathematische, statistische oder ökonometri-
sche Verfahren als Standard etabliert haben.10
x Es wird ein eigenes Modell zur Erholungsfähigkeit entwickelt, das mit den ge-
nerierten Daten empirisch überprüft wird. Damit stößt die Arbeit in ein Feld der
Marktmikrostrukturforschung vor, in dem aktuell kaum Modelle mit breiter Ak-
zeptanz existieren. Im Mittelpunkt der Arbeit steht dabei die Berücksichtigung der
Volatilität, die in den wenigen bestehenden Modellen der Erholungsfähigkeit zu-
meist nicht integriert ist. Abschließend wird empirisch untersucht, inwieweit das
entwickelte dynamische Modell für die Messung der Erholungsfähigkeit neue Er-
kenntnisse, über die klassischen Liquiditätsmaße der Marktbreite- und -tiefe hin-
aus, liefert.
10
Vgl. BAKSHI / CAO / CHEN (1997) für eine Übersicht empirischer Untersuchungen kurz lau-
fender Optionen mit einer Restlaufzeit von zumeist über 10 Tagen.
11
Vgl. GERKE (2002), S. 523 für eine Definition des Begriffs Markt-Mikrostruktur.
4 Einführung
In Kapitel 3 wird stufenweise das für die sich anschließende Empirie verwendete
Modell der Erholungsfähigkeit entwickelt. Im ersten Schritt wird mit den limitierten
Orders der Wille der Investoren zur Teilnahme am Handel definiert. Dieser Transak-
tionswille wird dann eingebettet in den Gedanken der potenziellen Spannung im Or-
derbuch, die daraus resultiert, dass beide Seiten des Orderbuchs unterschiedlich stark
gefüllt sind und auch die Limitierungen sich hinsichtlich ihrer Aggressivität unter-
scheiden. Damit werden jeweils verschieden stark ausgeprägte Willenssituationen zur
Teilnahme am Handel ausgedrückt. Dies wird anhand der Optionspreistheorie mo-
delliert. Darauf baut das Modell eines Marktgleichgewichts auf. Abschließend erfolgt
eine Berücksichtigung der Zeitspanne, die notwendig ist, bis sich nach einer außeror-
dentlichen, nicht informationsbedingten Kursbewegung wieder ein Gleichgewicht ein-
stellt. Es folgen Hypothesen, die aus dem entworfenen Modell der Erholungsfähigkeit
resultieren. Dieses zuvor entwickelte Modell der Erholungsfähigkeit dient als Basis für
den empirischen Teil.
In Kapitel 4 werden die Generierung und der Aufbau des Datensatzes und die Beson-
derheiten, die aus der Ausgestaltung des Xetra-Handelssystems resultieren, beschrie-
ben. Darauf folgt die Beschreibung der Empirie und der Hypothesentests.
In Kapitel 5 werden die zentralen Ergebnisse der Arbeit zusammengefasst. Die neu ge-
wonnenen Erkenntnisse zur Erholungsfähigkeit werden in die existierende Forschung
eingeordnet. Profitable Handelsstrategien werden abschließend bewertet. Für die
Deutsche Börse AG werden Empfehlungen für die weitere Ausgestaltung des Xetra
ausgesprochen.
Stand der Forschung 5
Das folgende Kapitel liefert einen Überblick über den aktuellen Stand der wissen-
schaftlichen Diskussion vollelektronischer Handelssysteme, mit einem zumindest teil-
weise offenen Orderbuch an Wertpapiermärkten.12 Zusätzlich zu der Darstellung des
Forschungsverlaufs und der Ergebnisse, soll aufgezeigt werden, in welchen Bereichen
noch Fragen offen sind, um die Einordnung der vorliegenden Arbeit zu erleichtern.
Nach MADHAVAN (2000) kann eine Kategorisierung des weitreichenden Feldes der
Markt-Mikrostrukturforschung in vier Gebiete vorgenommen werden:
(1) Preisbildung und Informationseinpreisung, die sowohl statische Komponenten wie
z.B. die Determinanten der Handelskosten als auch dynamische Aspekte und den
Prozess, mit dem Informationen im Zeitablauf Eingang in die Kurse finden, um-
fasst.
(2) Marktstruktur und Design inklusive Effekt aus Handelsprotokollen und
verschiedenen Dimensionen der Marktqualität.
(3) Markttransparenz13 im Sinne der Möglichkeit der Marktteilnehmer, Informationen
über den Handelsprozess zu erhalten.
(4) Schnittstellen der Marktmikrostruktur zu anderen Kapitalmarktthemen wie Asset
Pricing, Internationale Finanzwirtschaft und Unternehmensfinanzierung.
Die Fragestellung der vorliegenden Arbeit und dementsprechend auch der Literatur-
überblick konzentrieren sich auf den ersten Zweig.
12
In der vorliegenden Arbeit wird der Bereich der Computer-Simulationen eines Orderbuchs aus-
geschlossen. Zumeist nutzen diese experimentellen Märkte keine weitreichende Orderbuchtiefe.
13
Vgl. MADHAVAN (2000) der Markttransparenz in Pre- und Post-Transparenz unterteilt. Dabei
sind Informationen über Preise, Gebote, Volumina und den Ursprung der Orders erkennbar.
14
Handelsunterstützende bzw. vollelektronische Systeme wurden eingeführt: Tokio 1982, Paris
1986 mit einem stufenweisen Übergang bis 1990, Sydney 1987 mit einer vollständigen Imple-
6 Stand der Forschung
mentierung bis 1990, Madrid 1989, Brüssel 1989, Sao Paulo 1990, Stockholm 1990, Mailand
1991, Athen 1992, Chicago 1992, Zürich 1995, Frankfurt (Xetra) 1997 und London 1997.
15
Vgl. GIOT / GRAMMIG (2002), BELTRAN-LOPEZ / GIOT / GRAMMIG (2002), GOMBER /
SCHWEICKERT / THEISSEN (2004) nutzen bei ihrer Empirie Daten, die sie von der Deutschen
Börse AG zur Verfügung gestellt bekommen haben. Die Karlsruher Kapitalmarktdatenbank um-
fasst lediglich Transaktionsdaten des Xetra aber nicht die Orderbuchtiefe.
Stand der Forschung 7
x Ein bisher lediglich kleiner Teil der Forschung konzentriert sich auf die Untersu-
chung der Strategien und der Interaktion der Marktteilnehmer sowie der daraus
resultierenden Handelsschemata und möglicher Gleichgewichte, die sich einstellen
könnten. Diese werden in Kapitel 2.3.3 beschrieben.
Das Kapitel 2.4 umfasst den gegenwärtigen Stand der Forschung einiger Teilbereiche
der Markt-Mikrostruktur, der für das Verständnis und die Entwicklung der Hypothe-
sen und des Modells zur Erholungsfähigkeit von ausschlaggebender Bedeutung sein
könnte. Hierunter fallen beispielsweise die Diskussion der Adverse Selection-Kosten,
der Autokorrelation, der Kursreversals oder Analysen von Blocktransaktionen.
16
Vgl. GARBADE (1982), S. 419 ff sowie HANDA / SCHWARTZ (1996), S. 44.
Vgl. HUBERMAN / HALKA (1999) dafür, dass einige Untersuchung lediglich Schätzer für die
Liquidität verwenden, wie den Spread, das Verhältnis von Spread zur Höhe des Aktienkurses, die
Markttiefe gemessen anhand der Stückzahlen oder die Markttiefe, gemessen in Geldeinheiten.
17
Vgl. BLACK (1971), S. 29 ff.
18
Vgl. SEPPI (1997), S. 105.
19
Vgl. KYLE (1985), S. 1317.
8 Stand der Forschung
Die Markttiefe, die Marktbreite und die Erholungsfähigkeit. Lediglich von einigen
Forschungsbeteiligten wird als vierte Größe zusätzlich die Zeitdimension angeführt.20
Diese ersten drei Determinanten werden im Folgenden näher beschrieben.
2.2.1 Markttiefe
Die Definition der Markttiefe befasst sich hauptsächlich mit der preisbeeinflussenden
Wirkung von unlimitierten Aufträgen. KYLE (1985) spricht von Markttiefe als der
Fähigkeit des Marktes, ohne deutliche Preiseffekte große unlimitierte Aufträge verar-
beiten zu können. EASLEY / KIEFER / O’HARA / PAPERMAN (1996) schränken
diese Aussage ein, indem sie diese sehr geringe Kursbewegung in den Kontext eines
nicht informationsbedingten Handels stellen.21 OESTERHELWEG / SCHIERECK
(1993) beschreiben die Lage des Orderbuchs für die Markttiefe: „Ein Markt wird als
tief bezeichnet, wenn sowohl limitierte Kauf- als auch Verkaufsaufträge im Markt
vorliegen, die zu einem Preis in der Nähe des bestehenden Marktpreises ausgeführt
werden können. Findet Handel in einem tiefen Markt statt, kann ein auftretendes Un-
gleichgewicht zwischen Kauf- und Verkaufsaufträgen mit Hilfe der im Markt vor-
handenen Aufträge ausgeglichen werden, ohne dass es zu erheblichen Kurssprüngen
kommt.“22 Diese aufgeführten, relativ statischen Definitionen der Markttiefe berück-
sichtigen nicht die Reaktionen von Marktteilnehmern auf den Fluss von Aufträgen.
Der dynamische Aspekt wird von KEMPF / KORN (1997) betont. Sie fordern, dass
für einen Vergleich der Markttiefe vor und nach einem bestimmten Stresszeitpunkt
nicht nur statisch die Markttiefe zu den jeweiligen Zeitpunkten gemessen wird,
sondern dass die komplette Preiseinflussfunktion für bestimmte Ordergrößen zu be-
rechnen ist.23
Aus diesen verschiedenen Definitionen kann zusammengefasst werden, dass sich die
Markttiefe insbesondere auf die Preiskontinuität bezieht. Ohne neue Informationen
und bei nur kleineren, unlimitierten Aufträgen kommt es durch die Existenz von
Limitorders und neuen limitierten Aufträgen zu marginalen, temporären Preis-
veränderungen. In enger Beziehung zur Markttiefe steht die Marktbreite.
2.2.2 Marktbreite
Die Marktbreite bezieht sich auf die Volumina der Aufträge. KYLE (1985) spricht von
einem breiten oder auch weiten Markt, wenn limitierte Kauf- als auch Verkaufsauf-
20
Vgl. HARRIS (1990), NIEMEYER / SANDÅS (1995).
21
Vgl. EASLEY / KIEFER / O’HARA / PAPERMAN (1996), S. 1429.
22
OESTERHELWEG / SCHIERECK (1993), S. 391.
23
Vgl. KEMPF / KORN (1997), S. 1.
Stand der Forschung 9
träge in großer Anzahl bzw. mit einem entsprechenden Volumen vorhanden sind. Je
breiter ein Markt ist, desto größer wird sein Preisstabilisierungspotenzial, und desto
eher können größere Mengen gehandelt werden. Die Marktbreite kann auch dadurch
charakterisiert werden, dass um den Gleichgewichtspreis herum die zahlreichen limi-
tierten Aufträge hohe Volumina besitzen. Dadurch ist gewährleistet, dass es bei um-
fangreichen unlimitierten Orders nicht zu großen Preisveränderungen kommt.24
Zusätzlich zu diesen beiden aufgeführten Determinanten der Liquidität, die einen weit-
gehend statischen Charakter besitzen, kommt die Erholungsfähigkeit, die sich vor-
nehmlich der Zeitkomponente und der Dynamik des Kursverlaufes widmet.
2.2.3 Erholungsfähigkeit
Eine erste Definition der Erholungsfähigkeit wird von KYLE (1985) geliefert. Dabei
gibt die Erholungsfähigkeit die Geschwindigkeit an, mit der Kurse sich dem Liquida-
tionswert des zugrunde liegenden Wertes annähern und mit der Kurse nach nicht infor-
mationsbedingten Bewegungen wieder auf ihr ursprüngliches Niveau zurückkehren.25
Aus den Definitionen der Erholungsfähigkeit lassen sich drei Schwerpunkte ableiten:
(1) Die Reaktion des Marktes, bei temporären Kursveränderungen mit neuen Auf-
trägen zu reagieren, charakterisiert nach HASBROUCK / SCHWARTZ (1988) die
Erholungsfähigkeit. Dies wird als erster Aspekt diskutiert. Es wird dabei berück-
sichtigt, ob Akteure die Kursentwicklung und Orderbuchlage beobachten und bei
besonderen Situationen, z.B. „Spannungen“, die sich durch unterschiedliche
Orderbuchseiten ergeben, handeln. Das Interesse liegt auf den Reaktionen der Ak-
teure sowie ihrer Handlungsbereitschaft und -willen. Auch BRUNNER (1996)
lenkt die Aufmerksamkeit auf die Antwort der Akteure auf eine bestimmte Order-
buchlage: „Für eine hohe Erneuerungskraft eines Marktes spricht, wenn bei transi-
torischen Preisänderungen ... sofort neue Aufträge in den Markt fließen, die aus-
gleichend wirken.”26
(2) Der zweite zentrale Punkt bei der Definition der Erholungsfähigkeit ist die Not-
wendigkeit, dass sich wieder ein Marktgleichgewicht einstellt, das mit dem
Gleichgewicht vor der außergewöhnlichen Kursbewegung vergleichbar ist. Dabei
wird gefordert, dass sich keine fundamentale Veränderung des Aktienwertes ergibt
und keine neuen Informationen oder Nachrichten vorliegen. NIEMEYER /
SANDÅS (1995) betonen, dass der Markt wieder ein Gleichgewicht finden muss.
Auch MASSIMB / PHELPS (1994) tendieren in diese Richtung: Sie definieren die
24
Vgl. GARBADE (1982), S. 420 f., BRUNNER (1996), S. 7, LÜDECKE (1995), S. 22 f.
25
Vgl. KYLE (1985), S. 1330.
26
BRUNNER (1996), S. 7.
10 Stand der Forschung
Erholungsfähigkeit durch die Volatilität der Preise, wenn ein konstanter Gleich-
gewichtspreis vorausgesetzt wird.
(3) Das dritte Merkmal erfasst die Länge der Zeitspanne der transitorischen Kursbe-
wegung, mit der gemessen wird, wie schnell die Erholungsbewegung des Titels
von statten geht. Dabei wird die Zeitdauer beurteilt, die nötig ist, bis sich die Situ-
ation im Orderbuch durch neue, limitierte Aufträge wieder „normalisiert“ hat.
MURANAGA / SHIMIZU (1999) betonen die Bedeutung der Zeitkomponente für
die Erholungsfähigkeit. Sie berücksichtigen die Volatilität der Volumina im
Orderbuch und die Zeit, die benötigt wird, bis sich nach einer Ausdünnung des
Orderbuchs wieder ein Status wie vor der außergewöhnlichen Situation ergibt.
HOLLIFIELD / MILLER / SANDÅS / SLIVE (2001) beziehen sich bei der Erho-
lungsfähigkeit auf die Eigenschaft des Marktes, nach einer großen, unlimitierten
Order schnell wieder eine ähnliche Orderbuchsituation zu schaffen.
1. Das Modell muss die Handlungsbereitschaft und den Handlungswillen der Markt-
teilnehmer erfassen. Aktionen und Reaktionen der Akteure müssen quantifiziert
werden. Dies muss im Kontext der aktuellen Volatilität erfolgen.
2. Es ist erforderlich zu bestimmen, ob ein Gleichgewicht vor und nach der außer-
ordentlichen Bewegung vorliegt.
3. Die Zeitspanne der Bewegung ist bedeutend für die Beurteilung des Grades der
Erholungsfähigkeit.
Diese Aspekte bilden die zentralen Elemente für die Entwicklung des Modells zur Er-
holungsfähigkeit, wie sie im Kapitel 3 vorgenommen wird. Vorher erfolgt im weiteren
Verlauf des Kapitels 2 ein Überblick über den aktuellen wissenschaftlichen Stand der
Erholungsfähigkeit und die unterschiedlichen Forschungsrichtungen.
27
GERKE / RAPP (1994), S. 12.
Stand der Forschung 11
Einer der ersten Vergleiche von Auktionsprinzip und Market-Maker28 Prinzip stammt
von MADHAVAN (1992). Besondere Annahmen seiner Untersuchung sind, dass
Handelsteilnehmer strategisch agieren und eine asymmetrische Informationsverteilung
vorliegt. Seine Überlegungen gelten bei einem kontinuierlichen Auktionsmarkt sowohl
für den Präsenz- als auch für den Computerhandel. Für die Analyse von Computer-
handelssystemen muss ein Mindestmaß an uninformierten Teilnehmern vorhanden
sein, damit sowohl im Quote Driven Market29 als auch im kontinuierlichen Auktions-
markt ein Gleichgewicht existieren kann. Ohne diese findet kein Handel statt. Ein
periodischer Markt hingegen, in Form einer Auktion, bietet eine größere Preiseffizienz
und kann auch funktionieren, wenn ein kontinuierlicher Handel nicht mehr stattfindet.
Im kontinuierlichen Auktionsmarkt fehlt die Information, die aus der Lage der
gestellten Geld-Brief-Spanne (bid-ask-spread)30 im Vergleich zu den letzten gehan-
delten Preisen erkennbar ist. Eine kontinuierliche Auktion ist anfällig gegenüber einer
stark asymmetrischen Informationsverteilung. Dies kann sogar dazu führen, dass keine
Kursfindung mehr erfolgt.
Die Diskussion mit dem Ziel, die Liquidität zweier Marktkonfigurationen zu verglei-
chen, stammt von MASSIMB / PHELPS (1994). Dafür stellen sie die Global Electro-
nic Exchange (GLOBEX), das Computerhandelssystem der Chicago Mercantile
Exchange (CME), der Präsenzbörse der Chicago Board of Trade (CBOT) gegenüber.
Die Transaktionsgebühren für die GLOBEX sind höhere als an der CBOT, was ihres
28
Vgl. GERKE / BOSCH (1999) für eine der ersten Untersuchung der Betreuer in Deutschland, am
Neuen Markt, die weitgehend den US-Amerikanischen Market-Makern entsprechen.
29
Vgl. GERKE (2002), S. 650 der unter einem Quote Driven Market versteht, dass ständige
Handlungsbereitschaft durch die verbindlichen Gebote eines Market-Makers besteht.
30
Vgl. DEMSETZ (1968), der als erster die Geld-Brief-Problematik formalisierte. Er behandelte
diese als (Transaktions-)Kosten der sofortigen Ausführung.
Vgl. TRESKE (1996) für eine Untersuchung der Geld-Brief-Spanne am Deutschen Markt.
12 Stand der Forschung
Erachtens die Liquidität verringert. Diese höheren Kosten belasten die Handelsbetei-
ligten, die versuchen, mit häufigen Geschäften kleinere Gewinne zu erzielen. Entspre-
chend verringern diese ihre Aktivitäten, womit sich die Liquidität reduziert.31 Ein
weiteres Problem der GLOBEX ist die Möglichkeit von institutionellen Investoren,
das Orderbuch zu bestimmten Kurslimits zeitlich früh vorzuladen. Falls es zu der
prognostizierten Kursentwicklung kommt, haben diese Orders Erfolg und werden aus-
geführt.32 Andernfalls werden die Aufträge gestrichen. Die kapitalschwächeren Inves-
toren können zumeist nur kurzfristig reagieren, da ihnen diese Strategie des Vorladens
des Orderbuchs nicht zur Verfügung steht. Zuletzt hinterfragen MASSIMB / PHELPS
(1994), wie zuverlässig ein Computersystem bei sehr großem Orderaufkommen ist,
und ob sicher gestellt ist, dass die Handelsplattform nach einem Rechnerausfall inner-
halb einer vertretbaren Zeit wieder einsatzfähig ist. Um die Vorteile beider Systeme zu
verbinden, empfehlen Sie für die Parketthändler kleine Computer, die das offene
Orderbuch eines zusätzlich zu dem Parkett existierenden Handelssystems darstellen,
börsenplatzübergreifende Informationen beinhalten und Transaktionen ermöglichen.
31
In der aktuelleren Gebührenaufstellung von 1999 hat sich das Verhältnis umgekehrt und es fallen
für eine Transaktion im GLOBEX deutlich niedrigere Gebühren an.
32
Dies betrifft hauptsächlich Stop-Orders, bei denen die Order mit Erreichen des angegebenen
Limits ausgelöst und zu einer Market Order wird. Es existieren zusätzlich Stop-Limit Orders
welche nach Erreichen des Limits zu einer limitierten Order werden.
33
Vgl. Fußnote 6 für die Definition der Immediacy respektive des Sofortigkeitsservices.
34
Vgl. FAMA (1963) oder FIGLEWSKI (2004) für die Ausprägungen der Kapitalmarkteffizienz.
35
Vgl. HANDA / SCHWARTZ (1996).
Stand der Forschung 13
periodischen Auktionsmarktes ab. Sie kommen zu dem Ergebnis, dass der Konkur-
renzdruck bei einer Kombination der Organisationen für die Anleger die meiste Liqui-
dität generiert. Ein Akteur steht bei der Ordererteilung vor der Entscheidung, dass bei
einer unlimitierten Order die Kurs- und Mengensicherheit in Kontrast zur Aus-
führungsunsicherheit einer limitierten Order mit potenziellem Kursvorteil steht. Ihre
Hypothese ist, dass ein limitiert arbeitender Anleger nur gewinnt, wenn liquiditäts-
bedingte Orderungleichgewichte zur Transaktion führen und ein Kursreversal36 folgt.
Aus der bisherigen Literaturübersicht ergeben sich für einen kontinuierlichen Auk-
tionsmarkt Vor- und Nachteile, die in der Tabelle 2-1 aufgeführt und mit einem perio-
dischen Auktionsmarkt und einer Market-Maker-Struktur verglichen werden.
Market Maker System Periodischer Kontinuierlicher Auktionsmarkt
Auktionsmarkt (Limitorderbuch)
x Große Preiseffizienz x Wird von institutio- x Informationen aus der Lage des
nellen Anlegern Orderbuchs
x Ständige Handels-
Vorteil
x Limitierte Orders
x Strategisches Laden des Order-
können keinen Teil
buchs
der Geld-Brief-
Spanne verdienen x Kein Handel bei leerem Limit-
orderbuch
36
Im Gegensatz zur Erholungsfähigkeit wird beim Kursreversal die Existenz eines Gleichgewichts
nicht betrachtet. Vgl. Kapitel 2.4.2.3 für eine Definition des Kursreversals. Einer der ersten, der
das Kursreversal als Maß für den Markteinfluss einer Transaktion ansah, war SCHOLES (1972).
14 Stand der Forschung
Eine weiterführende Arbeit mit deskriptivem Charakter, aber auch ersten Ansätzen zur
Erklärung der Dynamik eines offenen Orderbuchs, die somit die Forschung in diese
Richtung deutlich vorangibt, erstellen BIAIS / HILLION / SPATT (1995). Sie analy-
sieren für das elektronische Handelssystem, das Cotation Assistée en Continu
(CAC40) in Paris, die Interaktion zwischen dem Status des Orderbuchs und dem
37
Vgl. CHORDIA / ROLL / SUBRAHMANYAM (2000) für eine noch umfassendere Intraday-
untersuchung, die für elf Jahren Spreads, Tiefe und Handelsaktivität an der NYSE analysieren.
38
Vgl. BIAIS / HILLION / SPATT (1994), die im Gegensatz dazu höhere Spreads auf der Ask-
Seite als auf der Bid-Seite feststellen.
39
Vgl. DANÍELSSON / PAYNE (2002) für eine Berechnung der Steigung des Limitorderbuchs.
40
Vgl. SCHUMANN (1987), S. 45 der die Elastizität (K) der Nachfrage (x) in Bezug auf den Preis
(p) respektive die Preiselastizität der Nachfrage wie folgt definiert: K xp dx p .
dp x
41
Vgl. DEMSETZ (1968) das der Inside Spread daraus resultiert, dass die Geld-Brief-Spanne aus
den einzelnen Geboten von unterschiedlichen Marktteilnehmern stammt.
Stand der Forschung 15
42
Vgl. BAMBERG / BAUR (1989) S. 31 - 32: „Eine Kontingenztabelle ist eine tabellarische
Darstellung der Häufigkeitsverteilung für die realisierten Ausprägungen eines Merkmals X in
Abhängigkeit der realisierten Ausprägungen eines Merkmals Y.“
43
Vgl. Deutsche Börse AG (1999), S. 31: „Limit Orders werden im Orderbuch nach der Preisprio-
rität sortiert, so dass Kauforders mit einem höheren Limit Vorrang vor niedriger limitierten
haben. Umgekehrt haben Verkaufsorders mit einem niedrigeren Limit Priorität vor Orders mit
einer höheren Limitierung. Falls Orders das gleiche Limit haben, wird die Zeit als weiteres Sor-
tierungsmerkmal herangezogen. .. Market Orders haben stets Priorität vor Limit Orders.“
44
Vgl. ANGEL (1997) für eine ausführliche Diskussion möglicher verschiedener Prioritätsregeln.
45
Vgl. HOLLIFIELD / MILLER / SANDÅS (1999), S.2.
16 Stand der Forschung
zwischen zwei benachbarten Geboten tiefer im Orderbuch.46 Die Spreads zwischen be-
nachbarten Limits auf der Briefseite sind größer als auf der Geldseite.47 Für die durch-
schnittlich gebotenen Stückzahlen resultieren für die tiefer im Buch befindlichen
Gebote höhere Volumina, womit ein wesentlicher Teil der Liquidität zur Verfügung
gestellt wird.48 Folglich ist der Preiseinfluss einer Transaktion keine lineare Funktion
des Volumens, sondern weist einen elastischen Verlauf auf. Die resultierende graphi-
sche Funktion ist leicht konkav, entsprechend einer U-Form. Damit stehen sie im
Widerspruch zu GLOSTEN (1994), der kein eindeutiges Muster erkennen konnte
sowie BERNHARDT / HUGHSON (1997) und NIEMEYER / SANDÅS (1995) bei
denen das Orderbuch Konvex49 verläuft. YANG (1998) weist einen log-linearen Ver-
lauf der limitierten Orders nach, welche einen S-förmigen Verlauf beschreiben.50 Sie
interpretieren die Ergebnisse so, dass die Adverse Selection-Problematik in der Nähe
des Inside Spreads groß ist und das Risiko der asymmetrischen Informationsverteilung
dann dominiert, wenn die Tick Size klein ist. Kritisch anzumerken bleibt, dass im
CAC40 zur Zeit der Untersuchung von der Ordereingabe bis zum Erscheinen auf den
Handelsschirmen eine Verzögerung von ca. 1 Sekunde bestand, die sich bei hohen
Umsätzen auf bis zu 1 Minute ausweitete. Dies lässt die Resultate der beobachteten
dynamischen Prozesse zum Teil fragwürdig erscheinen. Darüber hinaus ist der Ein-
fluss ungeklärt, der daraus resultieren könnte, dass für die großen Werte des CAC40
bis zu 50% des Umsatzes in London erfolgen. Auch die Frage des Einflusses von ver-
deckten Orders,51 aus denen jede achte Transaktion erfolgt, bleibt unbeachtet.
Aus der vorhergehenden Darstellung von empirischen Arbeiten können folgende Er-
gebnisse zusammengefasst werden, die in der wissenschaftlichen Diskussion einen
hohen Grad an Zustimmung erfahren:
46
NIEMEYER / SANDÅS (1995), S. 28 hingegen beobachten höhere Spreads zwischen benachbar-
ten Geboten, je größer die Distanz zum Inside Spread ist.
47
Dieses Ergebnis steht im Gegensatz zu den Resultaten von NIEMEYER / SANDÅS (1995) S. 27
die größere Spreads auf der Geldseite nachweisen.
48
Vgl. NIEMEYER / SANDÅS (1995), S. 28. bei denen im Gegensatz dazu die besten Geld- und
Briefkurse die höchsten Volumina aufweisen und somit die zentrale Quelle der Liquidität sind.
49
Vgl. Opitz (1989), S. 431f. der monoton wachsende Funktionen mit progressivem Wachstum als
konvexe und mit monoton, degressivem Wachstum als konkave Funktionen bestimmt.
50
Vgl. SHLEIFER (1986) der als Erster von S-förmigen Angebots- und Nachfragekurven spricht.
51
Vgl. Deutsche Börse AG (2004). Im Xetra sind dies Iceberg-Orders. Dabei kann ein Akteur nur
einen Teil des Auftrags sehen. Ist dieser ausgeführt, wird ein weiterer Teil sicht- und handelbar.
Stand der Forschung 17
x Die Volatilität, die Transaktionen und die Häufigkeit limitierter Orders weisen im
Tagesverlauf annähernd eine U-Form auf.
x Für die Rendite existiert im Verlauf des Handels kein Muster.
x Die Geld-Brief-Spanne ist höher zum Start und Ende des Handels.
x Größere Transaktionen und Limitstreichungen finden zumeist gegen Ende des Handels
statt.
x Das Orderbuch ist nicht annähernd symmetrisch gefüllt, z.B. sind für die Geld- und
Briefseite die Spreads zwischen den Geboten unterschiedlich.
x Der stärkste Wettbewerb herrscht im offenen Orderbuch um die erste Stelle im Buch.
x In einer potenziell profitablen Orderbuchlage stellen marktbeobachtende Teilnehmer
Liquidität in Form von limitierten Aufträgen zur Verfügung.
52
COPPEJANS / DOMOWITZ (2002) erweitern die Untersuchung von Limitierungen, Streichun-
gen und Transaktionen auf den Aktienfuture in Stockholm. Sie beobachten, dass Transaktionen
stark von vorhergehenden Umsätzen und der Orderbuchtiefe beeinflusst werden. Limitierte
Aufträge unterliegen dem Einfluss von vorhergehenden Geschäften, der Orderbuchtiefe, der
Dynamik durch andere erteilte Aufträge und der Höhe der Geld-Brief-Spanne.
53
Vgl. www.nyse.com/glossar für die Beschreibung des SuperDOT, des anonymen elektronischen
Orderweiterleitungssystems der NYSE. Dort gelangen 99% der Orders zum Spezialist aufs Par-
kett. Daneben gibt es seit 2004 das NYSE Direct Plus, wo nur limitierte Orders bis zu 1099
Stücke möglich sind, die innerhalb von einer Sekunde gegen das beste Gebot gehandelt werden.
18 Stand der Forschung
Für die Untersuchung von limitierten Orders bietet sich die Tokyo Stock Exchange
(TSE) an, die seit 1982 ein offenes Orderbuch besitzt. Dieses weist Besonderheiten
bezüglich der Behandlung von großen Orders und deren Limitierung auf. HAMAO /
HASBROUCK (1995) untersuchen den Intraday Verlauf der Gebote und Transaktio-
nen für drei Aktien in 1990. Sie analysieren für große unlimitierte Orders die Phasen,
in denen aufgrund der besonderen Regelungen der TSE kein Handel möglich ist, weil
54
Für eine Definition der Adverse Selection-Kosten siehe Kapitel 2.4.1.
55
Vgl. YANG (1998), S.3, der von drei Kosten einer limitierten Order spricht: Die Opportunitäts-
kosten der Nichtausführung, den äquivalenten Optionswert und den Adverse Selection-Kosten.
56
Vgl. COHEN / MAIER / SCHWARTZ / WHITCOMB (1981), ANGEL (1992), HARRIS (1994),
HANDA / SCHWARTZ (1996b), SCHMIDT / KÜSTER SIMIû (1998), HOLLIFIELD /
MILLER / SANDÅS (1999), RANALDO (2000) und HOLLIFIELD / MILLER / SANDÅS /
SLIVE (2001) für weitere Arbeiten mit Berücksichtigung der Ausführungswahrscheinlichkeit.
Stand der Forschung 19
sie vom Saitori57 limitiert oder zeitlich verzögert werden. Die erste Besonderheit der
TSE existiert bei großen unlimitierten Aufträgen, die nicht vollständig durch ein limi-
tiertes Gegengebot ausgeführt werden. Bei diesen wird der Restauftrag in eine war-
nende limitierte Order umgewandelt. Als Limit wird der Preis gesetzt, zu dem der erste
Teil der Order ausgeführt wurde.58 Wird dieses Limit nicht in kurzer Zeit ausgeführt,
dann wird die limitierte Order wieder zu einer unlimitierten Order und räumt das
nächste Gebot ab. Falls wieder ein Volumenüberhang besteht, so beginnt das Ver-
fahren von neuem. Als zweite Besonderheit gilt die maximale Kursveränderung zwi-
schen zwei Geschäften. Würde mit einer unlimitierten Order diese überschritten, so
wird die Market-Order vom Saitori in eine warnende limitierte Order umgewandelt.
Als Limit wird der letzte Transaktionspreis um einen Tick verändert. Falls nötig kann
der Saitori das Limit in mehreren Schritten bis zur der maximal zulässigen Kursver-
änderung anpassen. Die Autoren stellen dazu fest, dass warnende und spezielle Orders
sehr oft durch eingehende unlimitierte Orders ausgeführt werden, wodurch es zu einer
Glättung der Kursbewegung kommt. Die Autoren kommen auch zu dem Ergebnis,
dass die Marktteilnehmer beim Erscheinen von warnenden Orders ihre plazierten
limitierten Orders nicht aus dem Markt nehmen und somit nicht strategisch reagieren.
Für die Liquiditätsmessung untersuchen sie die warnenden Orders und die speziellen
Orders. Sie messen die Zeit, während der dadurch kein Handel stattfindet. Im Durch-
schnitt kommt es für die warnende Order nach 0,75 Minuten zu einem modifizierten
Quote oder einer Transaktion. Für die spezielle Quote ergibt sich eine durch-
schnittliche Zeit von 11,3 Minuten. Die Autoren fassen zusammen, dass sich durch
den Eingriff des Saitori nur eine kurze Zeitdauer ohne Transaktionen ergibt. Sie relati-
vieren ihre Erkenntnisse mit dem Argument, dass gerade in dieser, wenn auch kurzen
Zeitspanne, die Nachfrage nach Sofortigkeitsservice evtl. am höchsten sein könnte.
KIM / RHEE (1997) vergleichen an der TSE zwei Gruppen von Aktien. Die eine be-
steht aus den Untersuchungstagen einer Aktie, die ihr Tageslimit erreicht haben
(Stockhit). Die Referenzgruppe hat ihr Tageslimit nur zu 90% erreicht (Stock0.90). Sie
erkennen, dass das Volumen durch die Handelsbeschränkung am Folgetag größer ist,
weil erst dann alle Investoren ihre gewünschte Position umsetzen können (Trading
Interference-Hypothese). Auch die Volatilität für die Gruppe der Stockhit ist nach dem
Ereignistag statistisch signifikant größer, weil sich die Volatilität durch die Handels-
57
Der Saitori ist mit dem deutschen amtlichen Kursmakler vergleichbar. Seine Vertrauensstellung
kann daran ersehen werden, dass es für die Handhabung der warnenden und speziellen limitierten
Orders, außer den auslösenden Regeln, nur Usancen, also Handelsgewohnheiten gibt.
58
Dieses Verfahren entspricht im Xetra einer Market-to-Limit Order.
20 Stand der Forschung
unterbrechung auf mehrere Tage verteilt. Bei der Preisentwicklung stellen sie fest,
dass diese für die Werte der Stockhit noch stärker in die ursprüngliche Richtung ten-
diert, als dies für die Referenzgruppe der Fall ist (Delayed Price Discovery-
Hypothese).
59
Vgl. LEHMANN / MODEST (1994) die bei ihrer Untersuchung der TES ebenfalls diese W-Form
für die Volatilität und die Renditen feststellen.
60
Vgl. ARNETH (2001), S. 4 ff: In der Literatur gibt es eine Vielzahl von Definitionen für Insider.
Ein Merkmal ist der Ursprung des Insiderwissens. Die Unternehmensinsider besitzen aufgrund
ihrer beruflichen Tätigkeit oder ihrer Eigentumsverhältnisse bezüglich des Unternehmens
regelmäßig Informationen, die der breiten Öffentlichkeit (noch) nicht zur Verfügung stehen. Die
andere Gruppe, die allgemeinen Insider sind Personen, die im Gegensatz zu den übrigen Markt-
teilnehmern „bessere” Informationen besitzen, die anderen (noch) nicht zugänglich sind.
Stand der Forschung 21
sultat, dass die Market-Maker spekulierten, dass über Nacht in ¾ der Fälle Informa-
tionsereignisse stattfinden, wobei gute und schlechte Nachrichten gleich wahrschein-
lich sind. An Tagen vor einem Informationsereignis stammen 38% der Transaktionen
von informierten Marktteilnehmern.
KAVAJECZ (1999) konstruiert ein Limitorderbuch (LOB) der NYSE für drei Monate
in 1990 und 1991. Die Besonderheit liegt in der Differenzierung der limitierten Gebote
nach Market-Maker Quotes und limitierten Orders anderer Marktteilnehmer.62 Er testet
die Hypothese, ob der Market-Maker in Situationen, in denen er Informationen auf
einer Seite vermutet, die Mengen seiner Gebote so anpasst, dass er bei Eintritt seiner
Quotes auf der von ihm als ungünstig erachteten Seite, die identische Menge sofort an
ein limitiertes Gebot auf der gegenüberliegenden Seite weiterreichen kann. Er kommt
zu dem Ergebnis, dass ein Market-Maker die Höhe und die Mengen der gestellten
Spanne steuert, um eine Bestandskontrolle durchzuführen, die Adverse Selection-
Kosten zu verringern, und um übertriebener Volatilität zu entgehen. Führt eines seiner
Gebote zu einer Transaktion, so entspricht sein gestelltes Volumen meist der Größe,
die er rasch an ein limitiertes Gebot am Markt weiterreichen kann. Relativ betrachtet
ist die prozentuale Markttiefe für das beste Gebot bei Werten mit niedrigen Handels-
61
Vgl. AITKEN / GARVEY / SWAN (1995) für die Beobachtung, dass an der ASX, an der es
keine Market-Maker gibt, einige Broker ähnlich wie Market-Maker agieren. Dies tun sie dann,
wenn sie auf eigene Rechnung handeln oder sie bei ihren Kundenaufträgen selbst eintreten um die
Order so im Kundeninteresse zu vervollständigen.
62
Vgl. DEMSETZ (1997), S. 91: Neben dem Spezialist-System der NYSE, bei dem dieser die
besten Limits veröffentlicht, die von Investoren oder ihm selbst stammen, existiert an der
NASDAQ, das Market-Maker System. Dort handeln diese i. d. R. die limitierten Orders der
Anleger selber und stellen dann ihre eigenen Quotes in das System als handelbare Gebote.
22 Stand der Forschung
volumen größer als bei umsatzstarken Titeln. Die Market-Maker stellen für große
Werte mehr Liquidität zur Verfügung als für kleine, bei denen die Liquidität haupt-
sächlich aus dem Limitorderbuch stammt. Bei der Analyse des Informationsvorsprun-
ges der Market-Maker ergibt sich, dass deren Quotes in Richtung der folgenden Nach-
richt eine geringere Tiefe aufweisen. Dies bedeutet, dass sie entweder die kurzfristige
Preisbewegungen besser abschätzen können oder bessere Informationen über die an-
stehende Meldung haben.
63
Sie definieren winner’s curse risk als die unvorteilhafte Ausführung einer limitierten Order. Dies
kann entweder geschehen, wenn mit einem informierten Marktteilnehmer gehandelt wird oder
durch die Ausführung des limitierten Auftrags nach der Veröffentlichung einer neuen Informa-
tion, so dass dadurch das vorher erteilte Limit ungünstig erscheint („the risk to get picked off“).
64
Zur Bestimmung der Aggressivität einer Order berechnen sie den Abstand zwischen Orderlimit
und Midquote unter Berücksichtigung des Gebotsvolumens.
65
Vgl. HUANG / STOLL (1996) welche die Profitabilität von limitierten und unlimitierten Auf-
trägen analysieren. Sie nutzen dafür den realized half spread. Dieser misst das Kursreversal,
beginnend mit der Transaktion und endend mit dem ersten Geschäftsabschluss nach fünf
Stand der Forschung 23
Orderstrategie als Funktion, bei der Marktteilnehmer mit einer höheren Bewertung des
Papiers Kaufaufträge mit einer höheren Ausführungswahrscheinlichkeit aufgeben. An-
leger mit einer niedrigeren Bewertung plazieren Verkaufsaufträge mit einer höheren
Ausführungswahrscheinlichkeit. Für die Strategie der Ordererteilung des Anlegers ist
sowohl der trade-off zwischen Orderpreis und Ausführungswahrscheinlichkeit als
auch der zwischen Orderpreis und dem winner’s curse risk wichtig. Dies bedeutet,
dass Veränderungen in der Zusammensetzung des Orderflusses dadurch erklärt werden
können, dass sich Veränderungen in der Profitabilität der limitierten Orders ergeben,
oder dass sich Einschätzungen gegenüber dem Wert der Aktie geändert haben.
SANDÅS (1999) geht empirisch in einen Markt mit kompetitiven Market-Makern, die
mit limitierten Orders arbeiten, den Adverse Selection-Kosten und dem Einfluss pri-
vater Informationen nach. In seinem Modell misst er die Adverse Selection-Kosten an-
hand der Höhe der Revision des erwarteten Wertes der Aktie in Abhängigkeit von der
Größe einer vorhergehenden unlimitierten Order. Für diese berechnet er eine Preisein-
flussfunktion für bestimmte Ordergrößen. Daneben geht er davon aus, dass bei einer
rationalen Anpassung des Orderbuchs für den erwarteten Wert im Durchschnitt eine
korrekte Vorhersage resultiert. Er kommt zu dem Ergebnis, dass die Preisfunktionen
des Orderbuchs, im Vergleich zu seinen Modellaussagen, zu steil erscheinen, was
gleichbedeutend ist mit einer zu geringen Markttiefe. Er stellt fest, dass für die meisten
Aktien die Verteilung des Orderflusses und der Markttiefe von Variablen wie der
spezifischen Volatilität einer Aktie, der Volatilität des Marktes sowie vom Handels-
volumen abhängt. Letztlich zeigen die gefundenen Abweichungen vom Modell eine
inverse Korrelation zu der Zeitspanne, die seit der letzten Transaktion vergangen ist,
was auf eine verzögerte Anpassung des Orderbuchs an neue Informationen hinweist.
RANALDO (2000) untersucht an der Swiss Stock Exchange (SWX), wie der Status
des Limitorderbuchs die Aggressivität von Orders und die Handelsstrategie
beeinflusst. Die Aggressivität der Aufträge ermittelt er dabei empirisch mit einer
Regression. Er nimmt an, dass drei Motive die Wahl der Marktteilnehmer für ihr
Vorgehen determinieren. Erstens die ursprüngliche Ausstattung mit Wertpapieren und
Geld sowie die individuellen Präferenzen. Zweitens der Status des Limitorderbuchs
und drittens die Abwägung zwischen Orderlimit und einer dafür angenommenen Aus-
führungswahrscheinlichkeit. Für die Untersuchung nutzt er ordinale Klassen der
Aggressivität ähnlich derer von BIAIS / HILLION / SPATT (1995). Für die Klassifi-
Minuten. Sie messen Gewinne für die Anbieter von Liquidität von ca. zwei bis drei Cent pro
Aktie, was die Ausführungskosten für die Konsumenten der Liquidität darstellt.
24 Stand der Forschung
zierung orientiert er sich daran, ob das Volumen des limitierten Auftrages höher als
das des besten Gebotes ist, und ob die Limitierung des neuen Limits aggressiver ist als
des bis dahin bestehenden besten Limits. Er misst so die Aggressivität der Aufträge in
Abhängigkeit des Orderbuchs und berechnet die Wahrscheinlichkeiten für das Auf-
treten verschiedener Klassen der Aggressivität. Er kommt zu dem Ergebnis, dass die
im Orderbuch befindlichen Volumina die Ausführungswahrscheinlichkeit beeinflussen
und die Entscheidung der Marktteilnehmer maßgeblich determinieren, wobei diese
stets beide Seiten des Orderbuchs berücksichtigen. Die Aggressivität der Aufträge
nimmt zu (ab), wenn auf der erteilten (gegenüberliegenden) Seite weitere Aufträge
plaziert werden. Durch eine größere Spanne verringert sich die Aggressivität der Fol-
geaufträge und es werden vermehrt limitierte Orders erteilt. Eine verringerte Anzahl
von erteilten Aufträgen pro Zeitintervall führt zu aggressiveren Aufträgen. Ein tempo-
rärer Anstieg der Volatilität führt zu verstärkter Erteilung limitierter Aufträge, einer
verringerten Aggressivität und einem Rückgang an unlimitierten Orders. Aus der Ana-
lyse des marginalen Einflusses resultiert, dass limitierte und unlimitierte Aufträge ent-
gegengesetzt auf Veränderungen der Komponenten des Orderflusses reagieren.
Aus den dargestellten empirischen Arbeiten werden zwei Richtungen der Forschung
bei der Untersuchung limitierter Orders ersichtlich: Performancebezogene Aspekte
und Informationsgesichtspunkte. Die Ergebnisse werden in Tabelle 2-3 kurz zusam-
mengefasst.
Stand der Forschung 25
x Markttiefe und Orderfluss hängen von Faktoren ab, wie der Volatilität der
Aktie und des Marktes und dem Handelsvolumen.
66
Mit der Euro-Einführung wurde die Tick Size des CAC 40-Systems der Börse in Paris
modifiziert. Eine Analyse der Veränderung der Tick Size ergibt, dass diese sich für die meisten
Aktien deutlich reduziert hat. Vgl. Anhang 1 Entsprechend der Ergebnisse von HARRIS (1996 &
1997a) sollte dadurch die Liquidität des CAC-Systems negativ beeinflusst werden.
Es zeigt sich auch der Einfluss dieser Diskussion anhand der Umstellung von Aktien des Dow
Jones Industrials per Montag, den 28. August 2000 von der Bruch- auf die Dezimalstellenberech-
nung.
26 Stand der Forschung
um Preispriorität für die Ausführung zu erhalten, dann sind die Kosten für ein
strategisches Handeln gering. Ist dieses Preiszugeständnis durch eine hohe Tick Size
relativ groß, dann können die Kosten für die Erlangung der Preispriorität so groß sein,
dass potenzielle Strategien sehr schnell unprofitabel werden.67 Er kommt zu dem Erge-
bnis, dass die Marktteilnehmer bei der Veröffentlichung ihrer Orders restriktiver sind,
wenn die Tick Size relativ klein ist. Dies gilt sowohl für die Eingabe limitierter
Orders, als auch für die Festlegung von teilweise versteckten Aufträgen.68 Neben den
Ergebnissen, dass Marktteilnehmer versuchen, Aufträge zu verstecken, wenn sie an
Umfang zunehmen, zeigt sich auch, dass wegen der geringen Tick Size im CAC mehr
Aufträge versteckt werden, als dies im CATS der Fall ist. Ebenfalls erfolgt bei einer
höheren Volatilität eine verringerte Einstellung von Orders in das Buch. Bei Aktien
mit einer größeren Marktkapitalisierung und größeren Umsätzen sind die Teilnehmer
eher bereit, größere Orders einzustellen und diese seltener den Marktbewegungen
anzupassen. Die wesentlichen handelsbeeinflussenden Merkmale der Höhe der Tick
Size lassen sich wie folgt zusammenfassen:
x Eine große Tick Size schützt die Auftraggeber limitierter Aufträge vor dem strategischen
Handeln anderer Marktteilnehmer, wodurch institutionelle Investoren bevorzugt in einer
hohen Tick Size auch umfangreiche Volumina sichtbar in ein Orderbuch einstellen.
x Eine große Tick Size fördert eine hohe Geld-Brief-Spanne und verringert dadurch die
Aggressivität der folgenden Aufträge.
Mit dieser tabellarischen Darstellung wurde die Übersicht über die Schilderung von
Untersuchungen abgeschlossen, welche ihr Hauptaugenmerk auf die Analyse und
Modellierung unterschiedlicher Konfigurationsmöglichkeiten oder Organisationsfor-
men gelenkt haben. Es folgt eine Darstellung der Arbeiten, welche sich auf die Aus-
wirkungen im Handelsgeschehen konzentrieren. Diese ergeben sich aus den unter-
schiedlichen Möglichkeiten der Ausgestaltung der Markt-Mikrostruktur von parallel
existierenden elektronischen Handelssystemen. Von zentralem Interesse für die Markt-
Mikrostruktur ist dabei der Versuch, die Faktoren zu identifizieren, die die Entschei-
67
NIEMEYER / SANDÅS (1995) kommen zusätzlich zu dem Ergebnis, dass im Falle einer großen
Tick Size sekundäre Prioritätsregeln wie die Zeit der Ordereingabe wichtiger werden. Im Gegen-
satz dazu steht WHITCOMB (1988) der die Aussage trifft, dass auch ein Marktteilnehmer mit
sehr niedrigen Transaktionskosten nicht davon profitieren kann, wenn er aufgrund serieller
Korrelation die kurzfristige Preisveränderungen prognostizieren kann.
68
Im Vergleich zu anderen Systemen, wie z.B. dem Xetra, in dem Iceberg-Orders nicht besonders
markiert sind, ist bei den Daten von HARRIS (1996 & 1997a) die „versteckte” Liquidität erfasst.
Stand der Forschung 27
dung von Marktteilnehmern, Gebote in das Orderbuch jeweils an einem der beiden
Märkte einzustellen, und somit für einen liquiden Markt zu sorgen, beeinflussen.
69
Differenz zwischen dem höchsten Geldkurs und dem niedrigsten Briefkurs vor einer Transaktion.
70 Geldkurst Briefkurst
effectivespread 2 * Transaktionspreist .
2
71
Im SEAQ werden kontinuierlich Gebote der Market Maker dargestellt. Sehr große und liquide
Werte werden im Orderbuch des Stock Exchange Electronic Automated Trading System
(SEATS) gehandelt, wo Angebot und Nachfrage automatisch ausgeführt werden.
72
Den gestellten Spread relativieren sie noch um das folgende Transaktionsvolumen und die Zeit-
dauer bis zum nächsten Geschäftsabschluß.
28 Stand der Forschung
sehr schnell zu. Ein zentraler Ansatzpunkt in ihrer Arbeit ist das Vorgehen zur Erfas-
sung von Nichtlinearitäten in ihren Regressionsgleichungen zur Schätzung des effekti-
ven Spreads, wobei sie den reziproken Wert des Handelsvolumens verwenden.73
Zwar scheint der effektive Spread in London größer zu sein als der in Paris, jedoch
werden in London im Durchschnitt höhere Volumina gehandelt und andere Kosten
wie z.B. Steuern sind in Paris deutlich höher, womit die letztlich gezahlten, gesamten
Kosten sich wieder relativieren. Der Markt in London hingegen weist für größere Vo-
lumina mehr Sofortigkeitsservice auf. In Summe kann der Investor in Paris sowohl für
kleinere als auch für größere Orders einen geringeren Spread realisieren, wenn für ihn
eine sofortige Ausführung nicht oberste Priorität hat.
BIAIS / BISIÈRE / SPATT (2003) vergleichen das offene Orderbuch des Isländischen
Marktes mit der NASDAQ. Hierbei analysieren sie das Orderverhalten für US-ameri-
kanische Aktien, die an beiden Märkten gehandelt werden. Sie analysieren einen Zeit-
raum, als die NASDAQ Tick Size noch 1/8 und die Isländische Tick Size 1/256
betrug. Sie vergleichen dies mit einer späteren Periode, als diese nur noch 1/100 und
1/1000 waren. Vor der Verringerung der Tick Size der NASDAQ haben einige Markt-
teilnehmer das Isländische System genutzt, um dort die Quotes der NASDAQ zu
unterbieten und damit in Summe profitabel agieren zu können. Nach der Verringerung
der Tick Size in den USA sind diese Gewinnmöglichkeiten fast gänzlich verschwun-
den. Als Zusammenfassung ergibt sich durch die individuelle Ausgestaltung des
jeweiligen Orderbuchs für ein Wertpapier, das an unterschiedlichen Handelsplätzen in
einem offenen Orderbuch gehandelt wird, ein Einfluss auf die:
x Höhe der durchschnittlichen Geld-Brief-Spanne,
x impliziten Transaktionskosten,
x strategische Orderplazierung und das Orderbuchverhalten,
x Marktbreite und Markttiefe.
Tabelle 2-5: Zusammenfassung: Vergleich unterschiedlicher Handelsplätze mit
einem offenen Orderbuch
Im Anschluss an die bisher zitierten Arbeiten, die sich zumeist auf eine weitgehend
deskriptive Beschreibung des offenen Limitorderbuchs beziehen, erfolgt eine Über-
sicht der Gleichgewichtsmodelle in einem Limitorderbuch.
73
Vgl. HASBROUCK (1991), S. 196, der im Gegensatz dazu einem völlig einen anderen Ansatz
nachgeht, indem er als Regressor das Handelsvolumen quadriert.
Stand der Forschung 29
74
Vgl. HANDA / SCHWARTZ / TIWARI (2002), S. 2. Sie verstehen unter dem „Gravitational
Pull” die Tendenz eines Anlegers, eine unlimitierte Order mit Ausführungssicherheit zu erteilen
an Stelle einer Limitierung sehr nahe an den besten Geboten mit der Gefahr der Nichtausführung.
75
Vgl. NEFTCI (1996), S. 148. Ein Wiener Prozess ist ein zeitstetiger stochastischer Prozess, der
normalverteilte unabhängige Zuwächse hat.
Vgl. KENNEDY (1992), S. 370 dafür, dass ein Martingale Prozess in der Kapitalmarkttheorie oft
als Verallgemeinerung des Random Walk gesehen wird, bei dem Heteroskedastizität zugelassen
ist. Die Martingaleeigenschaft bedeutet, dass Preisveränderungen einen Erwartungswert von null
haben und seriell unkorreliert sind. Transaktionskosten eines Market-Makers führen zu einer Ver-
letzung der Martingale Eigenschaft. Folgen Aktienkurse einem Martingale, so spiegelt ihrer
Volatilität im Zeitablauf die Rate wieder mit der Informationen in die Kurse einfließen.
30 Stand der Forschung
kontinuierlich zu handeln und somit findet die Preisfindung entsprechend einem sto-
chastischen Sprungprozess statt. Im Gleichgewichtsspread sind für einen Marktteilneh-
mer die Kosten in Form der bezahlten Geld-Brief-Spanne bei der Erteilung einer
Marktorder gleich den Kosten für die Erteilung einer limitierten Order, bei der Kosten
durch die mögliche Nichtausführung entstehen können.
HARRIS (1994) modelliert für order- als auch für angebotsgetriebene Märkte unter-
schiedliche Strategien der Ordererteilung für mehrere Anlegertypen. Er unterscheidet
zwischen dem liquiditätsmotivierten,76 dem informierten und dem wertorientierten
Marktteilnehmer. Der Fokus liegt auf dem Aspekt der Zeit und der Beziehung zwi-
schen Sofortigkeitsservice und den Kosten der Liquidität. Er modelliert die Ausfüh-
rungswahrscheinlichkeit für limitierte Aufträge.77 Dabei geht er von einem Mechanis-
76
Vgl. MADHAVAN (2000), der zu bedenken gibt, dass ohne liquiditätsmotivierte Anleger nur
noch informierte Marktteilnehmer agieren würden, was zu einer Ausweitung der Spreads führen
müsste, bis zu der Situation, in der ggf. kein Handel mehr stattfindet.
77
Vgl. für die Ausführungswahrscheinlichkeit von Orders COHEN / MAIER / SCHWARTZ /
WHITCOMB (1981), ANGEL (1992), HANDA / SCHWARTZ (1996b), SCHMIDT /
KÜSTER SIMIû (1998), HOLLIFIELD / MILLER / SANDÅS (1999), RANALDO (2000) und
HOLLIFIELD / MILLER / SANDÅS / SLIVE (2001).
Stand der Forschung 31
mus aus, bei dem z.B. ein Verkaufsauftrag ausgeführt wird, wenn der Midspread-Preis
plus einer Konstante das Briefgebot übertrifft. Diese Konstante entspricht dem
Schwierigkeitsgrad der Ausführung. Ihr Wert hängt insbesondere von der Marktstruk-
tur und der Geld-Brief-Spanne ab. In einem angebotsgetriebenem Markt ist er gleich
der halben Geld-Brief-Spanne. In einem Auktionsmarkt mit einem konstanten Strom
unlimitierter Aufträge, welche die Limits abräumen, nimmt dieser den halben negati-
ven Wert der Geld-Brief-Spanne an. Letztlich maximiert er für die drei Anleger-
gruppen den Erwartungswert für vier mögliche Ereignisse: Eine nicht ausgeführte
limitierte Order, eine ausgeführte limitierte Order, einen ausgeführten unlimitierten
Auftrag und keine Ordererteilung. Hieraus resultiert, dass für das Erreichen eines
Gleichgewichts Marktteilnehmer dann aggressiv agieren, wenn die Märkte sehr volatil
sind oder wenn sie befürchten, dass ihre private Information schnell öffentlich wird.78
Ohne zeitlichen Handlungsdruck und bei einer sehr weiten Geld-Brief-Spanne
plazieren sie ihre Orders moderat. Für wertorientierte Marktteilnehmer kann es
sinnvoll sein, Limits in der Nähe des letzten Transaktionspreises zu positionieren, um
dann durch Mean Reversion79 zum Zuge zu kommen. Weiter folgert er, dass es in
einem Dealer Markt nicht sinnvoll ist, limitiert zu ordern, weil dort im Vergleich zu
einem unlimitierten Auftrag kein Teil des Spreads gewonnen werden kann.
Einen weiteren Ansatz für die Modellierung eines partiellen Gleichgewichts nehmen
HANDA / SCHWARTZ (1996b) vor. Sie entwickeln ein Modell, in dem es für
manche Anleger rational ist, limitierte Orders zu erteilen und somit in einem kontinu-
ierlichen Auktionsmarkt zwischen dem Angebot und der Nachfrage nach Liquidität
ein natürliches Gleichgewicht bestehen kann. Wenn sich in einem Markt die Preise nur
durch Informationen ändern, kann der Handel mittels limitierter Aufträge nicht profi-
tabel sein. Folglich muss für einen Anleger die Chance bestehen, aufgrund von tempo-
rären Liquiditätseffekten durch Orderungleichgewichte, einen Preisvorteil zu generie-
ren. Dieser Vorteil ist nötig, um den Akteur für das Risiko zu kompensieren, dass
eventuell nach der Orderausführung eine für seine Position ungünstige neue Informa-
tion erscheint, woraus eine unerwünschte Vermögensentwicklung resultiert. Sie testen
für ihr Modell die Profitabilität einer Handelsstrategie für die Werte des Dow Jones
Industrial 30 für das Jahr 1988. Sie simulieren limitierte Orders, die 0,5%, 1%, 2%
oder 3% vom letzten Transaktionspreis plaziert werden. Falls die Orders nicht inner-
halb eines determinierten Zeitraumes zur Ausführung kommen, werden sie zum Er-
78
Vgl. EASLEY / O’HARA (1992) für das Modell und DUFOUR / ENGLE (1999) für die Empirie,
dass kurze Zeitabstände zwischen Orders ein Zeichen für Insideraktivitäten sind.
79
Vgl POTERBA / SUMMERS (1988), die unter Mean Reversion verstehen, dass Aktienkurse
temporär von ihren fundamentalen Werten abweichen, langfristig aber zu ihnen zurückkehren.
32 Stand der Forschung
80
Das beschriebene Verfahren stammt von LACHENBRUCH (1967).
81
Langfristige Determinanten der Orderbuchtiefe werden untersucht von Wong / Ho / Fung (2002).
Sie stellen für den Markt in Hong Kong fest, dass hauptsächlich der lokale Zinssatz und die
lokale Volatilität des Aktienmarktes die Liquidität bestimmen. Einen schwächeren Einfluss hat
die globale Liquidität der Aktienmärkte und globale Risikofaktoren.
82
Ähnliche Hypothesen zum dynamischen Orderverhalten wurden von BIAIS et. al. (1995) für den
Markt in Paris aufgestellt und untersucht. Diese stellen fest, dass bei einem relativ hohen Spread
Stand der Forschung 33
limitierte und unlimitierte Folgegebote83 auf der gleichen Marktseite und die unlimi-
tierten Folgegebote auf der anderen Marktseite, um festzustellen, ob mit der Order-
buchtransparenz Nachteile verbunden sind. Dafür vergleichen sie das Bietverhalten
nach einem umfangreichen oder attraktiven Gebot mit dem nach kleinen bzw. un-
attraktiven Geboten. Für die Berechnung der Limitattraktivität (LA)84 verwenden sie:
bG LG
LA (2.1)
1 n
bG ¦ LGi
ni1
bG = bester Geldkurs
LG = Limit des eingestellten Geldgebotes
LGi = Limit des Gebotes i im Orderbuch
n = Anzahl der Geldgebote im Orderbuch
Die Limits werden in die vier Klassen sehr attraktiv, attraktiv, noch attraktiv und nicht
attraktiv eingeteilt. Die Volumina werden, bezogen auf alle im Orderbuch befindlichen
Volumina, entsprechend ihrem 10%, 5% und 1% Perzentil unterteilt. Ihr Ergebnis ist,
dass die Einsteller von großen und attraktiven Geboten, die zur Marktliquidität beitra-
gen, mit für sie nachteiligen Folgegeboten auf derselben Seite rechnen müssen.85 Ihre
Resultate zeigen auch, dass einige Marktbeobachter auf sehr große und sehr attraktive
Geldgebote mit entsprechend großen unlimitierten Briefgeboten reagieren und somit
zum Erfolg dieser Geldgebote beitragen. Letztlich resultiert für die Autoren die
Notwendigkeit, dass bei weiterführender Forschung zur Modellierung der Geld-Brief-
Spanne in Anlegerauktionsmärkten mit offenem Orderbuch diese Modelle um den
Strom der transparenzbedingten Folgegebote ergänzt werden müssten.
die neuen Orders selten eine sofortige Ausführung suchen, sondern eher mit den bestehenden
limitierten Orders um eine Ausführung konkurrieren, indem sie diese leicht verbessern.
83
Folgegebote sind dadurch gekennzeichnet, dass sie als erstes Gebot nach dem betrachteten Gebot
in das offene Orderbuch eingestellt werden.
84
Vgl. HARRIS (1996) für weitere Maße der Attraktivität von limitierten Orders.
85
SCHMIDT / KÜSTER SIMIû (1998) testen nicht, ob diese Strategien für die Investoren profi-
tabel sind. Für FREIHUBE / KEHR / KRAHNEN / THEISSEN (1998) resultiert bei ihrer Unter-
suchung der amtlichen Kursmakler in Frankfurt für 21 Handelstage im Herbst 1996, dass diese
trotz ihrer monopolistischen Einsicht in das Orderbuch damit nicht dauerhaft Gewinne erzielen.
34 Stand der Forschung
getroffen werden kann. Die CRT liefert ein Maß für den Status des gesamten Order-
buchs zu einem Zeitpunkt für eine spezifische Ordergröße. Sie stellt die maximalen
Transaktionskosten der sofortigen Ausführung für unlimitierte Orders dar, wenn
gleichzeitig eine identische Stückzahl gekauft und verkauft wird.86 Sie berechnen die
CRT als Schätzer für die Kosten einer beabsichtigten Transaktion und bezeichnen
diese als ex ante Liquidität. Diese unterscheiden sie von der ex-post-Liquidität, die
über den Ausführungszeitraum aus tatsächlich getätigten Geschäften aus der öffentlich
ersichtlichen und der versteckten Liquidität resultiert. Die ex-post-Liquidität untersu-
chen sie für unterschiedliche Klassen von Ordervolumina. Sie kommen zu dem Ergeb-
nis, dass die CRT als Liquiditätsmaß mit der Spanne und den Volumina der besten Ge-
bote hoch korreliert ist. Die CRT kann für die Prognose des zukünftigen Orderflusses
dienen. Nach einem temporären Anstieg der CRT von 1% für eine einzelne Aktie re-
duziert sich anschließend die Transaktionshäufigkeit um 31% bis zu 66%.
86
Dieses Vorgehen ist analog zu dem Market Impact Cost der Deutschen Börse AG.
87
COPPEJANS / DOMOWITZ / MADHAVAN (2001 & 2002) analysieren für den Future des
Schwedischen Aktienmarktes dynamische Aspekte des Limitorderbuchs. Sie stellen fest, dass die
Liquidität im Intraday-Verlauf so stark variiert, dass in Zeiten der höchsten Volatilität durch
strategische Orderplazierung ein Mehrwert generiert werden kann. Die Liquidität weist eine hohe
Autokorrelation auf. Dies bedeutet, dass Zeiten existieren, zu denen die Liquidität erhöht ist.
Positive Liquiditätsschocks reduzieren die Volatilität für einen kurzen Zeitraum signifikant.
Negative Schocks verschwinden sehr schnell wieder. Als Ursache hierfür erachten sie die hohe
natürliche Erholungsfähigkeit des Marktes. Volatilitätsschocks verringern die Liquidität.
Stand der Forschung 35
entweder die Geld-Brief-Spanne verbessern, dem besten Gebot entsprechen und dort
das Volumen erhöhen oder zu einem Kurs aufgegeben werden, der sich hinter dem
besten Limit im Buch befindet. Für diese Gruppen stellen sie fest, dass sich für die
Geschäftsabschlüsse serielle Korrelationen ergeben. Dies zeigt sich insbesondere bei
„oversize trades“ und „ordinary trades“, nach denen die Häufigkeit von „non-trading
events“ deutlich geringer als erwartet ist. Nach einem „oversize trade“ kommt es an-
schließend meist zu einem Abschluss auf der gegenüberliegenden Seite, was bedeutet,
dass die unmittelbar durch den „oversize trade“-induzierte Liquidität oftmals sehr
rasch von anderen Marktteilnehmern konsumiert wird. Dies entspricht einer Liquidität,
die durch „oversize trades“ zusätzlich geschaffen wird.88 Nach einem „full trade“
kommt es auf der gegenüberliegenden Seite des Orderbuchs ebenfalls zu einer
geringer als erwarteten Transaktionshäufigkeit. Diese beiden Ergebnisse stehen im
Einklang mit ihrer Hypothese, dass die aggressiven „full trades“ mit höherer Wahr-
scheinlichkeit informationsinduziert sind. Weiter finden sie ein Mean Reversion der
Spreads.89 Wird ein Limit erteilt, welches den Spread verringert, so wird dieses Gebot
häufiger als erwartet von einem anderen Marktteilnehmer in vollem Umfang akzep-
tiert. Die Erteilung eines den Spread verringernden Limits ist auch dann wahrschein-
licher, wenn vorhergehend der Spread durch einen full trade ausgeweitet wurde. In
42% aller Beobachtungen agierte der gleiche Broker in zwei aufeinander folgenden
Transaktionen, womit sie ihre Hypothese des Order Splittings belegen.90 In der Regel
kommt es nach einem „full trade“ durch denselben Broker wieder zu einer gleich-
artigen Transaktion. Sie stellen in ca. 60% der Fälle fest, dass, nachdem ein Akteur
einen „full trade“ ausgeführt hat, ein Marktteilnehmer durch einen limitierten Auftrag
die Ausgangssituation wieder annähernd herstellt, worauf der ursprüngliche Akteur
wieder einen „full trade“ ausführt. Für die Autoren ist das ein Anzeichen dafür, dass
im offenen Limitorderbuch aufgrund von Transaktionen zusätzliche kurzfristige Liqui-
dität zur Verfügung gestellt wird. Bei der Analyse der Aktivitäten der einzelnen
Broker stellen sie fest, dass diese häufig zuerst eine Order stornieren und dann auf der
gleichen Seite wieder einen Auftrag mit geändertem Limit oder Volumen eingeben.
Sie kommen zu dem Schluss, dass es bei den Marktteilnehmern eine starke Tendenz
dazu gibt, einen Auftrag zu streichen, um dann mit einer neu erteilten Order die
Spanne zu reduzieren, um so die Chancen auf eine Ausführung zu erhöhen. Mit
88
Diese Beobachtung wurde auch von BIAIS / HILLION / SPATT (1995) für den CAC gemacht.
89
Analog zu den Ergebnissen von BIAIS / HILLION / SPATT (1995).
90
Vgl. Fußnote 274 zum Order Splitting.
36 Stand der Forschung
diesem Ergebnis stehen sie in Kontrast zu BIAIS / HILLION / SPATT (1995), die
diese Ordererteilung innerhalb des Spreads als strategischen Wettbewerb der Anleger
untereinander interpretieren. HEDVALL / NIEMEYER (1997) hingegen deuten dies
als die konsequente Umsetzung einer ursprünglichen Strategie in Abhängigkeit von
der Marktsituation.
Die Zusammenfassung der wichtigsten Ergebnisse der Arbeiten, die sich mit partiellen
Gleichgewichtsmodellen befassen, erfolgt in Tabelle 2-6.
Partielle Gleichgewichtsmodelle (Geld- Partielle Gleichgewichtsmodelle
Brief-Spanne) (Liquiditätskennzahlen)
Modellkenn- Einmalige Erteilung einer Order für die Einmalige Erteilung für die Analyse
zeichen Analyse der Spanne. des Orderbuchs.
Der Gravitational Pull führt zur Existenz Große und attraktive Gebote im
eines natürlichen Spreads. Orderbuch beeinflussen den zukünf-
tigen Orderstrom signifikant.
Limitierte Order ist profitabel bei einem
Erkenntnis für großen Spread. Eine Erhöhung der Cost of Round
die Erholungs- Trip einer Aktie von 1 % führt zu
fähigkeit des Volatilität führt zu aggressiverer Order- einer Reduktion der Transaktions-
Marktes erteilung. Kurzlebige Insidererkenntnisse häufigkeit von ca. 1/3 bis 2/3.
führen zu einem schnellen Einpreisen
von Informationen. Aggressive und großvolumige Orders
besitzen mit überdurchschnittlicher
Falls zahlreiche Anleger diversifiziert Wahrscheinlichkeit bessere Informa-
sind, die erfolglose limitierte Orders tionen. Darauf reagieren Marktteil-
nicht später unlimitiert ausführen müs- nehmer. Broker setzen ihre Aufträge
sen, kann ein natürliches, partielles durch Order Splitting um.
Gleichgewicht (spread) existieren.
91
CHIANG (1984) beschreibt ein Gleichgewicht als eine Situation, die, wenn sie einmal erreicht
ist, sich selbst erhält und keine Tendenz zur Veränderung aufweist.
Stand der Forschung 37
92
Vgl. DÖNGES / HEINEMANN (2001) zur Konkurrenz von Alternative Trading Systems oder
Electronic Communication Networks auf den Wettbewerb und die Konkurrenz um Liquidität.
93
Dies steht im Kontrast zu BIAIS / HILLION / SPATT (1995) mit einen schwach konkaven
Verlauf und BERNHARDT / HUGHSON (1997) deren Preisverlauf konvex ist.
38 Stand der Forschung
tektur des offenen Limitorderbuchs dazu führt, dass sich die Gewinne im Orderbuch
auf einen durchschnittlichen Wert einspielen werden. Aus seiner Analyse resultiert,
dass unter den Börsen, die einen kontinuierlichen und anonymen Handel bieten, das
offene elektronische Orderbuch das stabilste ist und am wenigsten die Entstehung zu-
sätzlicher, konkurrierender Börsen fördert.
Am Ende der Arbeit von GLOSTEN (1994) bleiben zwei Fragen offen. Erstens, wie
wichtig es ist, dass die Transaktionen einer Präsenzbörse nicht anonym sind und somit
ex-post von den Händlern abgeschätzt werden kann, wer private Informationen hatte.
Damit verbunden bleibt die Frage nach der Relevanz von Sanktionsmechanismen der
Teilnehmer, um untereinander einen Handelspartner zu bestrafen, der bei einem voran-
gegangenen Abschluss private Informationen zu Lasten der anderen genutzt hat.
Zweitens ist noch zu klären, ob ein Handelssystem möglich ist, das einerseits die Vor-
teile des elektronischen Systems bietet, die aus dem hohem Konkurrenzdruck und
hoher Liquidität resultieren, aber andererseits mit seinem Informationsvorsprung auch
den Nutzen eines Parketthandels bietet.
94
Vgl. GLOSTEN (1989) der einen Spezialist Market untersucht. Er erweitert dieses Modell für die
Untersuchung eines offenen Limitorderbuchs ohne Market-Maker in seiner Arbeit von 1994.
Stand der Forschung 39
BROWN / HOLDEN (1999 & 2001) modellieren ein Limitorderbuch mit Market-Ma-
kern und Akteuren, die sowohl limitiert als auch unlimitiert arbeiten. Sie prüfen, ob
sich durch alternative Designs limitierter Orders95 das Risiko von „falschen”
Ausführungskursen reduzieren lässt. Die erste Ausgestaltung limitierter Orders sind
Aufträge, die ein fixes Limit haben. Kommt es am Markt zu einer Neueinschätzung
des Papiers, so kann es sein, dass der Ausführungskurs im Vergleich zur neuen Wert-
vorstellung zu niedrig oder zu hoch ist.96 Bei der zweiten Möglichkeit werden limi-
tierte Orders automatisch entsprechend einer Funktion der Bewegung des Marktin-
dexes angepasst. Dabei wird das individuelle Aktienbeta berücksichtigt. Somit lässt
sich das Risiko vermindern, dass Indexbewegungen das Limit zu ungünstigen Kursen
ausführen. Bei der letzten Variante limitierter Orders verändern sich diese automatisch
95
Die Gestaltung limitierter Orders analysiert bereits BLACK (1971), wobei die von Investoren er-
teilten Participation Orders anteilig mit den Transaktionen der Market-Maker ausgeführt werden.
96
Beispielsweise wird ein limitierter Kaufauftrag nach einer schlechten Unternehmensmeldung,
begleitet von fallenden Kursen, zu einem Preis über dem neu eingeschätzten Wert ausgeführt.
40 Stand der Forschung
entsprechend einer Funktion der Market-Maker-Quotes. Als Limit wird z.B. ein abso-
luter Abstand zum Midquote erteilt. So kann das Risiko verringert werden, durch
unternehmensspezifische Nachrichten zu einer „falschen” Ausführung zu kommen.
Beim Vergleich der drei Limitarten kommen sie zu dem Ergebnis, dass sich die
Gewinne der limitiert ordernden Akteure erhöhen würden, womit sich die Gewinne
der Market-Maker und die der unlimitiert Agierenden verringern würden. Ein bedeu-
tender indirekter Effekt wäre, dass sich die Zahl der limitierten Orders erhöhen würde,
wobei diese erhöhte Liquidität die Profite der unlimitierten Orders steigern würde. Die
Folge ist, dass in Summe sowohl für die limitierten als auch die unlimitierten Orders
höhere Gewinne generiert würden, die gleichzeitig als Verlust bei den Market-Maker
zu Buche schlügen. Für weitere Untersuchungen schlagen BROWN / HOLDEN (1999
& 2001) vor, diese Limitstrategien an die Orderbuchtiefe zu knüpfen.
97
Vgl. SEPPI (1997), S.104 definiert Liquiditätsanbieter, die im Vergleich zu ihrer Wertschätzung
der Aktie zu höheren Kursen verkaufen und zu niedrigeren kaufen und die Liquiditätsnachfrager
die zu höheren Kursen kaufen und zu niedrigeren verkaufen.
98
Sein Modell steht im Kontrast zur Praxis der NYSE, wo das Orderbuch nicht allen ersichtlich ist.
99
Analog bei Käufen des Specialist.
Stand der Forschung 41
niedrigeren Preis mit einbezieht. Diesen rekursiven Prozess wiederholt er bis zu dem
Preis, der seinen Gewinn maximiert. Im Vergleich zu einem dünnen Buch ergibt sich
für Käufe des Specialist bei einem tiefen Buch mit vielen Verkaufslimits ein hoher
Profit. Das Gleichgewicht im Buch ergibt sich für Preise, die über dem ökonomischen
Anreiz für eine Transaktion vom wertorientierten Akteur entfernt liegen. Daraus resul-
tiert, dass das Gleichgewicht unabhängig von der Tick Size, der Wahrscheinlichkeit
für einen Kauf oder den Transaktionskosten ist. Seppi schließt daraus, dass die Tiefe
des Buches umso größer ist, je mehr Aufträge mittleren Umfangs im Orderbuch vorlie-
gen. Im Gegensatz zu großen Blöcken, die dazu führen, dass der Specialist bei einer
Transaktion im Verhältnis zum Rest des Buches überproportional teilnimmt, was die
Liquidität im Limitorderbuch verringert. Als Ergebnis resultiert aus seinem Modell ein
Gleichgewicht sowohl mit als auch ohne Insider. Dabei ergibt sich für die Value Tra-
ders und auch den Specialist die Gleichgewichtsstrategie rekursiv. Bezüglich der
optimalen Höhe der Tick Size folgert er, dass nur der Specialist eine Tick Size von
null bevorzugt. Dabei fallen ihm die geringsten Kosten beim Unterbieten des Order-
buchs an. Dies führt im Gleichgewicht zu einem dünnen Buch. Die Kleinanleger favo-
risieren eine kleine und institutionelle Investoren eine große Tick Size. Beide Gruppen
bevorzugen ein hybrides100 System mit einem Limitorderbuch und einem Specialist.
Für Anleger, die mit mittleren Ordergrößen agieren, ist ein reines Limitorderbuch am
attraktivsten. Seppi zeigt, dass in einem perfekten Wettbewerb das Limitorderbuch er-
wartete Gewinne von null aufweist.
100
Vgl. THEISSEN (1998), S.6 für den ein hybrides Handelssystem vorliegt, wenn einzelne
Elemente der drei Grundformen der Marktorganisation, Gesamtkursermittlung, kontinuierliche
Auktion und Market-Maker System miteinander verknüpft werden.
101
Vgl. S. 6 für Order Preferencing, als die Entscheidung, wohin ein Auftrag übermittelt wird, wenn
die Akteure indifferent sind.
42 Stand der Forschung
trahenten. Dafür definieren sie ein Nash Gleichgewicht,102 welches aus der Tiefe des
Buches und dem Ankunftsprozess der Orders resultiert. Für die Verteilung des An-
kunftsprozesses der Orders ergibt sich für das offene Limitorderbuch das Gleichge-
wicht bei Preisen von p d pmax wobei pmax der niedrigste Preis über dem allgemein er-
achteten Aktienwert zuzüglich der Transaktionsfixkosten ist. Sie kommen zu dem
Ergebnis, dass durch die simultane Modellierung der Liquiditätsnachfrage der trading-
orientierten Akteure einerseits und dem Liquiditätsangebot durch die Specialist und
wertorientierten Akteure andererseits, der Effekt des Wettbewerbs von Limitorderpla-
zierung und der Fluss an unlimitierten Aufträgen darstellbar werden. Durch den Weg-
fall von Handelsbarrieren zwischen Märkten, z.B. durch schnellere und billigere Tele-
kommunikation, kann es zu einer Konzentration der Liquidität und des Handels kom-
men. Die unlimitierten Aufträge werden tendenziell eher in liquiden Märkten plaziert,
womit dieser Markt für die Auftraggeber von limitierten Orders attraktiver wird.103
Im weiteren Verlauf modellieren sie den Wettbewerb zwischen den Organisationsfor-
men mit Order Preferencing für einen Markt. Bei bevorzugter Orderweiterleitung an
das offene Limitorderbuch ergibt sich sofort ein Gleichgewicht mit einem dominanten
Limitorderbuch. In ihrem Modell werden nur kleine und mittlere Orders entsprechend
dem Order Preferencing an das Limitorderbuch geleitet. Von großen Aufträgen wird
erst ein kleiner Teil im Orderbuch ausgeführt und dann, wenn der Preiseffekt zu groß
ist, wird der verbleibende, aber noch größter Teil an den hybriden Markt geschickt.
Dort unterbietet der Specialist dann den vom Markt angebotenen Preis leicht und tätigt
den Abschluss.104 Somit ist das Limitorderbuch dominant aber nicht frei vom Wettbe-
102
SAMUELSON / NORDHAUS (1989). S. 631. „Ein Nash Equilibrium charakterisiert einen Zu-
stand, in dem bei zwei Spielern, dann ein stabiles Gleichgewicht vorliegt, wenn keiner der beiden
Spieler – vorausgesetzt der andere bleibt bei seiner ursprünglichen Strategie – durch die
Änderung seiner Strategie seinen Gewinn vergrößern kann. Ein bekanntes Beispiel für ein Nash-
Gleichgewicht ist das prisoner’s dilema. In diesem ist dann dass Gleichgewicht erreicht, wenn
beide Gefangene eine gemeinsam begangene Tat gestehen und somit zu einer mittleren Haftstrafe
verurteilt werden. Sollte einer der beiden Gefangenen seine Strategie ändern und seine Unschuld
beteuern, so hätte der Geständige davon einen Vorteil und würde somit durch seine Kooperation
durch das Geständnis mit der niedrigsten möglichen Strafe belegt, wohingegen der Gefangene,
der seine Strategie gewechselt hat und sich als unschuldig gibt mit der Höchststrafe belegt würde.
So ist offensichtlich, dass ein Gleichgewicht dann herrscht, wenn beide die Tat gestehen und von
dieser Ausgangssituation für jeden der Teilnehmer durch einen Wechsel der Strategie nur eine
Verschlechterung der eigenen Position eintreten kann.“
103
Vgl. GLOSTEN (1994) der mit seiner Aussage noch einen Schritt weiter geht, dass sich die
Liquidität und Transaktionen in einem einzigen reinen Limitorderbuch konzentrieren wird.
104
Diese Modellaussagen wurden von DE JONG / NIJMAN / RÖELL (1995) bei ihrer empirischen
Untersuchung der Börse Paris auch weitgehend so beobachtet.
Stand der Forschung 43
105
Im Gegensatz dazu steht GLOSTEN (1994), der zu dem Ergebnis kommt, dass ein Limit-
orderbuch nicht nur dominiert, sondern sogar wettbewerbsfrei ist.
106
Auf die Darstellung der zahlreichen Voraussetzung für eine mögliche Dominanz des hybriden
Marktes wird zugunsten der Konzentration auf das Limitorderbuch verzichtet.
107
PARLOUR / RAJAN (2001) beschreiben Payment for Order Flow als den Orderfluss an Aufträ-
gen, den der Market-Maker vom Broker kauft. Die Bezahlung erfolgt in Geld oder durch Dienst-
leistungen.
108
Vgl. GIOT / GRAMMIG (2002), S. 3 die von einem Dealership Market sprechen wenn einer oder
mehrere Dealer / Market-Maker als Anbieter von Liquidität agieren.
44 Stand der Forschung
109
Auch BIAIS / HILLION / SPATT (1995) beobachten für den CAC, dass ein anfänglich großer
Spread im Zeitablauf durch kontinuierlichen Wettbewerb um Preispriorität verkleinert wird.
110
Der Reservationspreis ist das Limit, das ein Akteur gerade noch bereit ist zu setzen, wenn die
Ausführung in der nächsten Periode garantiert ist und er dabei noch positive Gewinne erwartet.
Stand der Forschung 45
des Käufers oder der Startstatus des Buches bekannt sind, ergibt sich auf Grund der
Dynamik der besten Gebote im offenen Orderbuch die Zeit T*, die benötigt wird, bis
die Quotes zum kompetitiven Niveau konvergieren durch:
° R P 1 « «I 1» » ½°
T* Max® B «« »,0¾' (2.2)
°̄ g 2 ¬ ¬ 2I »¼ ¼ °¿
Der erste Quotient zeigt, dass es suboptimal ist, Limits hinter das beste Gebot zu
setzen und weder Zeit- noch Preispriorität zu erhalten. Damit formalisieren die Auto-
ren, dass eine kleinere minimale Tick Size die Zeitspanne verlängert, die nötig ist, bis
sich ein Gleichgewichtsspread einstellt, weil die Anzahl an inkrementellen Ein-
engungen des Spreads zunimmt. Die kleine Tick Size bedeutet auch, dass die Distanz
zwischen dem individuellen Reservationspreis und den kompetitiven Quotes nur von
relativ geringem Abstand sein kann. Der dritte Quotient charakterisiert den Ankunfts-
prozess der Orders und verdeutlicht, dass mit höherer Wahrscheinlichkeit für das Auf-
treten unlimitierter Orders (z.B. I = 0,9) sich die Zeit bis zum Erreichen des Gleich-
gewichtsspreads vergrößert, weil die eintreffenden Limits rasch durch unlimitierte
Aufträge ausgeführt werden und der Spread sich nicht einengt. Aus der Zeitpriorität
der Aufträge resultiert, dass Spreads, die größer sind als der kompetitive Spread, im
Zeitablauf keinen Bestand haben. Das Ergebnis ihrer Arbeit ist, dass in einem elektro-
nischen Handel wie dem CAC die optimale Tick Size ungleich null ist.
111
Für Eurus Resource Inc. nutzen sie zur Schätzung des inneren Wertes gemäß der Geschäftsfelder
die Kurse für Gold, Silber, Rohöl und US-Bonds und den S&P 500 für die Finanzanlagen.
Vgl. Opitz (1989), S. 420: „Zur Beschreibung von reellen Funktionen wählt man in der Regel die
Darstellung durch die Funktionsgleichung f(x1,.....,xn) = y und bezeichnet die x1,.....,xn als die
unabhängigen Variablen, y als die abhängige Variable.“
Stand der Forschung 47
PARLOUR / RAJAN (2001) modellieren ein statisches Modell mit Payment for Order
Flow. Es existieren Broker, die die Aufträge der Investoren erhalten und weiterleiten.
Dafür erhalten sie eine Vergütung. Die Market-Maker bestimmen die Spreads und
handeln die Aufträge. Die Investoren erteilen limitierte oder unlimitierte Aufträge. Im
Wettbewerb um die Aufträge konkurrieren die Market-Maker mit ihren Quotes und die
Broker durch ihre Gebührenstruktur. In ihrem Modell kommt es durch Payment for
Order Flow zu einer Ausweitung der Spreads und einer Erhöhung des Verhältnisses
von limitierten zu unlimitierten Aufträgen. Der Grund dafür ist, dass die Market-
Maker zum Teil auch limitierte Orders gegen ihren eigenen Bestand ausführen und sie
dabei Verluste erleiden. Diese Einbußen versuchen sie durch Transaktionen mit
unlimitierten Aufträgen zu kompensieren, indem sie eine weitere Spanne stellen. Für
die Investoren kommt es somit zu höheren Kosten. Die limitiert arbeitenden Akteure
profitieren von dem ausgeweiteten Spread. Ein Gleichgewicht für das Zusammenwir-
ken von Market-Makern, Brokern und Investoren resultiert aus der Situation, wenn die
Geld-Brief-Spanne des Market-Makers null ist und die Broker keine Gebühren
verlangen. Bezüglich der Erholungsfähigkeit ist von Interesse, ob bei einer Auswei-
tung des Spreads ein Gleichgewichtsspread existiert, der nur bis zu einer bestimmten
Höhe ansteigen kann. Ab diesem Punkt würde es für die Marktteilnehmer derart
profitabel werden, dass sie überwiegend limitierte Orders erteilen würden, um von
diesem hohen Spread zu profitieren und sich so das Orderbuch wieder zu füllen.
Modellkennzeichen
x Verschiedene Ausgestaltungen der Markt-Mikrostruktur und der daraus resultierende Einfluss auf
die Bildung eines Gleichgewichts (z.B. Höhe der Tick Size, alternative Designs limitierter Orders,
Koexistenz konkurrierender Handelssysteme, Insiderhandel, Existenz von Market-Makern).
Erkenntnis für die Erholungsfähigkeit des Marktes
x Das Orderbuch ermöglicht, Aufträge bei deren Erteilung in Relation zum gesamten Orderbuch zu
sehen. Dadurch spielen sich Gewinne im Orderbuch auf einen durchschnittlichen Wert ein.
x Diskrete Preise gewährleisten stets die Existenz einer Preisfunktion.
x Die Orderbucheinsicht kann strategisch handelnde Marktteilnehmer und Insider dazu veranlassen,
mehrere z. T. auch gegenläufige Orders zu erteilen.
x Alternative Ausgestaltungen von limitierten Aufträgen können zu einer Erhöhung der Gewinne
der mit Limits arbeitenden Akteure führen und zu Lasten derjenigen gehen, die ohne Limit
arbeiten.
x Durch einen rekursiven Prozess kann sich ein Gleichgewicht einstellen. Dafür berechnen Markt-
teilnehmer ihre Gewinnposition, wenn sie mit ihrem Auftrag im Orderbuch jeweils ein Limit
zusätzlich für ihre Auftragserteilung berücksichtigen.
x Bei unterschiedlichen Marktorganisationen ist das offene Limitorderbuch dominant. In zwei
parallel existierenden offenen Orderbüchern erhöht sich, bei einer zufälligen Verteilung der Auf-
träge auf einen der Märkte, die summierte Liquidität.
x In einem Limitorderbuch ist der Bid-Reduction-Effekt geringer als in anderen Märkten.
x Eine kleine Tick Size erhöht die Zeit bis sich ein Gleichgewicht einstellt. Das Verhältnis in der
Ankunftsrate unlimitierter Aufträge zu den Konsumenten der Liquidität determiniert die Zeitdauer
bis zum Erhalt des Gleichgewichts.
x Die im Orderbuch ersichtlichen Parameter Spread, Geld- und Briefvolumina, Summe der Geld-
und Briefvolumina und das Handelsvolumen sowie die Volatilität innerhalb der letzten 30 Minu-
ten haben einen Einfluss auf die Zeitspanne zwischen der Erteilung von Aufträgen.
x Durch Payment for Order Flow kommt es zu einer Ausweitung der Spreads und des Verhältnisses
von limitierten zu unlimitierten Aufträgen.
Nach der Diskussion der partiellen Gleichgewichtsmodelle (Kapitel 2.3.3.1 und Kapi-
tel 2.3.3.2), die sich auf einen möglichen Gleichgewichtsspread konzentrieren und der
dazugehörigen Handelsstrategien in einem diskreten Auktionsmarkt, folgte die Über-
sicht über die statischen Gleichgewichtsmodelle (Kapitel 2.3.3.3). Diese setzen sich
insbesondere mit dem Einfluss der Markt-Mikrostruktur und der Organisationsformen
der Börsen auf ein Gleichgewicht auseinander. Es schließt sich der Forschungsbereich
der dynamischen Gleichgewichtsmodelle (Kapitel 2.3.3.4) an, die sich mit den optima-
len Strategien in einem kontinuierlichen Handeln mit Aktionen und Reaktionen der
Marktteilnehmer befassen, woraus eine Orderbuchsituation resultieren kann, die sich
im Gleichgewicht befindet. Dieser Bereich ist für ein offenes Limitorderbuch bisher
nur vereinzelt bearbeitet und modelliert.
Stand der Forschung 49
~
Rt ' v~t ' ~
yt (2.3)
Auf der Ebene des einzelnen Anlegers modelliert der Autor für das Gleichgewicht den
Grenzpreis, bei dem ein Käufer indifferent zwischen einem limitierten oder unlimi-
tierten Auftrag ist. Für das Gleichgewicht des Limitorderbuchs kommt er zu Aussagen
50 Stand der Forschung
über die Höhe der Spreads, die von der Volatilität V und der Volatilität im Gleichge-
wicht Ve abhängen.
2
Spread V 2 L V * , falls V V e (2.4)
2 U
8L
Spread 2V , falls V e V (2.5)
4 U
112
Vgl. Fußnote 63.
Stand der Forschung 51
kommt zu dem Ergebnis, dass durch das „Winner’s Curse“ Problem113 ein negativer
Einfluss auf die Allokationseffizienz114 des Marktes ausgeübt wird.
113
Vgl. Fußnote 63.
114
Vgl. GERKE / RAPP (1994), S. 11 für einen Überblick zum erweiterten Effizienzbegriff. Dieser
geht über die klassische Definition von FAMA (1970) hinaus, und berücksichtigt praktische
Gegebenheiten des Marktes, wie Transaktionskosten und Informationsbeschaffungskosten.
115
BIAIS / HILLION / SPATT (1995) belegen mit ihrer Untersuchung diese Aussage empirisch.
52 Stand der Forschung
Effekt,116 wenn eine Order die Erteilung einer nachfolgenden Order beeinflusst. Bei-
spielsweise ist nach einem unlimitierten Kaufauftrag c.p. die Briefseite um eine Ein-
heit dünner geworden. Dadurch erscheint für den nächsten potenziellen Verkäufer ein
limitierter Verkaufsauftrag lukrativer, weil dessen Ausführungswahrscheinlichkeit ge-
stiegen ist. Somit ist es unwahrscheinlicher, dass eine Verkaufstransaktion zum Geld-
kurs stattfinden wird.117 Falls ein Akteur Liquidität durch eine unlimitierte Order kon-
sumiert, wird es für den nächsten Marktteilnehmer attraktiver, Liquidität mit einer
limitierten Order an der ersten Stelle des Buchs zur Verfügung zu stellen. Daraus re-
sultiert eine Korrelation zwischen limitierten Verkäufen und unlimitierten Käufen
sowie zwischen limitierten Käufen und unlimitierten Verkäufen.118
Als Ergebnis ihres Modells stellt PARLOUR (1998) somit Beziehungen zwischen den
Ausführungswahrscheinlichkeiten untereinander her. Die Wahrscheinlichkeit, in t+1
einen limitierten Verkaufsauftrag zu beobachten, ist am kleinsten, wenn in t ebenfalls
ein limitierter Verkaufsauftrag vorlag. Diese ist kleiner oder gleich dem Fall, dass in t
ein unlimitierter Verkauf vorlag. Diese wiederum ist kleiner oder gleich der Wahr-
scheinlichkeit, wenn in t ein limitierter Kauf vorlag. Letztlich ist die Wahrscheinlich-
keit kleiner oder gleich dem Fall, dass in t ein unlimitierter Kauf vorlag. Der letzte Fall
führt wiederum mit der größten Wahrscheinlichkeit dazu, dass in t+1 ein limitierter
Verkaufsauftrag folgt.
116
Vgl. SAMUELSON / NORDHAUS (1989), die unter Crowding Out verstehen, wenn hohe
staatliche Nachfrage die private Nachfrage teilweise verdrängt und substituiert.
117
Diese Überlegung bestätigt die Empirie von BIAIS et al. (1995), die beobachten, dass im CAC
kleine unlimitierte Kaufaufträge häufiger nach kleinen unlimitierten Kaufaufträgen stattfinden,
als dies der Fall nach kleinen unlimitierten Verkaufsaufträgen der Fall ist.
118
Vgl. LEE / MUCKLOW / READY (1993) für ähnliche Ergebnisse an der NYSE. Sie beobachten,
dass sich durch abnormal hohe Transaktionsvolumina - entsprechend einer langen Sequenz
unlimitierter Orders - die gestellten Spreads ausweiten und auch die Tiefe im Buch verringert.
Zudem beobachten sie, dass breite Spreads von einer geringen Tiefe des Buches begleitet werden
und dass enge Spreads zumeist gemeinsam mit einem tiefen Buch auftreten.
Stand der Forschung 53
Sie modellieren die Interaktionen zwischen ungeduldigen Anlegern und ihren Strate-
gien der Orderplazierung für einen dynamischen ordergetriebenen Markt ohne Inter-
mediäre. Sie entwickeln drei mögliche Gleichgewichte. Das oszillierende Gleich-
gewicht, das Gleichgewicht bei hohem Wettbewerb und das bei niedrigem Wettbe-
werb. Das oszillierende Gleichgewicht stellt sich ein, wenn für die Anbieter und die
Konsumenten von Liquidität der Reservation Spread identisch ist. Der Reservation
Spread ist der kleinste Spread, den ein Akteur bereit ist, durch sein Limit herzustellen,
wenn die Ausführung des Auftrags in der nächsten Periode garantiert ist und er dabei
noch positive Gewinne erwartet. Der Reservation Spread des limitiert agierenden kann
nicht größer sein als der des unlimitiert arbeitenden Investors. Falls diese identisch
sind, resultiert ein Gleichgewicht. In Abhängigkeit des Spreads agieren dann alle
Akteure gleich und plazieren entweder einen unlimitierten Auftrag oder ein Limit. Der
Spread oszilliert, weil sich die limitierten und unlimitierten Aufträge abwechseln. Im
Gleichgewicht bildet der Reservation Spread des limitiert arbeitenden Akteurs den
minimal möglichen Spread. Der maximal mögliche Gleichgewichtsspread resultiert
daraus, dass bei einer Unterteilung in drei Regionen des Spreads, der sich im Gleich-
gewicht befindet, beim größten beobachtbaren Spread alle Marktteilnehmer limitiert
ordern. Bei einem sehr geringen Spread werden alle Akteure unlimitierte Aufträge er-
teilen, bei einem mittleren Spread erteilen die geduldigen Akteure einen limitierten
und die Ungeduldigen einen unlimitierten Auftrag. Das zweite Gleichgewicht, das bei
hohem Wettbewerb entsteht, wird durch die erwartete Zeit von der Ordererteilung bis
zur Ausführung determiniert. Dies ergibt sich für die Situation, in der unter den limi-
tiert arbeitenden Marktteilnehmern ein sehr hoher Konkurrenzdruck herrscht, bei dem
sich im Zeitablauf eine nicht abnehmende Wartezeit bis zur Ausführung der limitierten
Order ergibt. Als Drittes leiten die Anderen das Gleichgewicht bei niedrigem Wettbe-
werb ab. In diesem herrscht für die limitierten Orders eine marginal abnehmende
Wartezeit bis zur Ausführung. Falls die marginale erwartete Wartezeit mit dem Spread
steigt, ist der Vorteil durch ein preisverbesserndes Limit relativ groß. Entsprechend
werden die Marktteilnehmer bei einem großen Spread verstärkt Limits eingeben, die
den aktuellen Spread um mehr als eine Tick Size verringern. So entstehen sog. Löcher,
Kursniveaus ohne limitierte Gebote, im Orderbuch.119
Für die Beurteilung der Marktqualität verwenden die drei Autoren zwei Kriterien. Zu-
erst nutzen sie den erwarteten Spread als Maß für die Transaktionskosten.120 Diese
119
Vgl. BIAIS / HILLION / SPATT (1995), HOLLIFIELD / MILLER / SANDÅS (2000),
BENSTON / IRVINE / KANDEL (2001) die Löcher im Orderbuch empirisch untersuchen.
120
Vgl. THEISSEN (1998) der die explizite Geld-Brief-Spanne als grundsätzlich geeignetes Liqui-
ditätsmaß bezeichnet.
54 Stand der Forschung
Kosten entstehen dem unlimitiert arbeitenden Akteur. Für die Anbieter von Liquidität
ist ein geringer Spread von Nachteil, weil die Preisverbesserung im Vergleich zu
ihrem Reservation Spread lediglich sehr gering ist. Deswegen nutzen FOUCAULT /
KADAN / KANDEL (2001) mit den ex-ante erwarteten Kosten der Wartezeit bis zur
Ausführung des Limits ein zweites Maß. Es resultiert eine Zielfunktion für die limitiert
arbeitenden Anleger, bei der gilt, die Preiszugeständnisse zu minimieren – entspre-
chend den Spread zu maximieren – und gleichzeitig die Kosten der Wartezeit zu mini-
mieren. Sie kommen zu dem Ergebnis, dass das Gleichgewicht durch drei Parameter
determiniert wird: Dem Anteil der geduldigen Investoren und dem Verhältnis der
Kosten, der Zeit der Ausführung der Order und der Tick Size zueinander. Sie kommen
zu dem Schluss, dass kleine Unterschiede im Anteil der geduldigen Investoren einen
großen Einfluss auf die Kosten der sofortigen Ausführung haben. Weiter zeigen sie,
dass die Kosten der Bereitstellung von Liquidität in einem Gleichgewicht mit niedri-
gem Wettbewerb in Richtung der Kosten eines Gleichgewichts mit hohem Wettbe-
werb stark verringert werden können, wenn z.B. ein liquiditätsspendender Betreuer
eingeführt wird. Durch ihr Ergebnis, dass das Gleichgewicht durch die geduldigen In-
vestoren, die Tick Size und die Wartekosten determiniert wird, stellt sich bei der Un-
tersuchung der Erholungsfähigkeit eines Marktes die Frage, wie sich die Kosten für
die Wartezeit bis zur Ausführung der Order im Zeitablauf oder in bestimmten Situatio-
nen verändern könnten.
FOUCAULT / RÖELL / SANDÅS (2001) entwickeln ein Modell für das Market Ma-
king mit Kosten der Überwachung des Informationsflusses und der Quotes. Deswegen
aktualisieren sie ihre Quotes nicht kontinuierlich, woraus die so genannten „stale
quotes“121 resultieren. Die Small Order Execution System (SOES) Bandits reagieren
auf diese „free trading options“.122 Sie handeln bevorzugt in volatilen Marktphasen,
und in Titeln mit geringem Spread mit den Market-Makern, die ihre Quotes nicht
schnell genug anpassen.123 Dadurch kommt es zu einem beschleunigten Prozess in der
Preisfindung. Für die Market-Maker modellieren sie für den Prozess des Monitoring
und das Quotieren ein Nash-Gleichgewicht. Die Kosten des News Monitoring (\) for-
mulieren sie mit:
121
Vgl. AHN / BOUDOUKH / RICHARDSON / WHITELAW (2000), S. 7 für die Entstehung von
stale quotes, weil vor allem für illiquide Titel durch das Aktualisieren von Quotes Kosten ent-
stehen. Diese Quotes sind keine Marktpreise, sondern resultieren aus Marktunvollkommenheiten.
122
Ihr Modell steht in enger Verbindung zu COPELAND / GALAI (1983), welche die free trading
Option für feste Quotes analysieren. Vgl. Kapitel 2.5.8.
123
Vgl. S. 17: Für NASDAQ Market-Maker ist es verboten Software einsetzen, die ihre eigenen
Quotes in Abhängigkeit von denen der anderen Market-Maker automatisch modifiziert.
Stand der Forschung 55
cl 2
\ (l ) (2.6)
4
l = Grad der Überwachungsaktivität
c = Ausmaß der Überwachungsaktivität
Durch das News Monitoring eines Market-Makers ergeben sich positive externe
Effekte für andere Marktteilnehmer, wenn sie aufgrund seiner Anpassung ebenfalls
ihre Gebote ändern und somit indirekt auf die Nachrichten reagieren. Für diese Markt-
teilnehmer resultieren negative externe Effekte, wenn sie nicht schnell genug ihre
Quotes anpassen, so dass die Bandits vorher reagieren und die noch nicht angepassten
Gebote abgreifen können. Die Autoren stellen fest, dass es für Market-Maker sinnvoll
ist, die Kosten für die Überwachung der Quotes mit anderen Market-Makern zu teilen,
indem alle ihre Gebote zum Inside Spread plazieren, woraus ein Gleichgewicht resul-
tieren kann. Sie kommen zu dem Schluss, dass die Market-Maker aufgrund der Akti-
vitäten der SOES Bandits ihre Spreads weiter stellen, um ihre Verluste in Transaktio-
nen mit diesen, durch Geschäfte mit liquiditätsmotivierten unlimitierten Aufträgen zu
kompensieren.124
Die Modellkennzeichen und die Ergebnisse der beschriebenen Modelle dynamischer
Gleichgewichte werden in der folgenden Tabelle 2-8 zusammengefasst.
Modellkennzeichen
Verschiedene Ausgestaltung der Markt-Mikrostruktur und des resultierenden Einflusses auf die
Bildung eines Gleichgewichts, z.B. Höhe der Tick Size, alternative Designs limitierter Orders,
Koexistenz konkurrierender Handelssysteme, Insiderhandel oder Existenz von Market-Makern.
124
Vgl. HARRIS / SCHULTZ (1998), die beobachten, dass als häufigste Handelsstrategie der
Bandits zuerst eine Transaktion mit Quotes von großen Market-Makern getätigt wird um dann die
Position über z.B. Instinet mit Market-Makern von kleineren Brokern zu schließen.
56 Stand der Forschung
Die Modelle der Adverse Selection-Kosten konzentrieren sich auf drei Richtungen.129
x Der erste Bereich der Untersuchungen befasst sich mit der Preisfindung und
Lagerbestandskontrolle von risikoaversen Market-Makern.
x Der zweite Teil betrachtet den Preis der Liquidität als natürliche Eigenschaft von
Märkten. Der Gravitational Pull-Effekt gegenüberstehender Limits wirkt auf
Akteure und führt zu einem positiven Preis für die Liquidität.
x Im dritten Modellrahmen verlangen risikoneutrale Market-Maker für die Liqui-
ditätsbereitstellung einen Preis, um ihre Verluste mit informierten Anlegern zu
125
Vgl. HUBERMAN / HALKA (1999), S. 4 mit der Aussage, dass Adverse Selection hauptsächlich
Einzeltitel betrifft und weniger indexbasierte Produkte und Indizes, die kaum betroffen sind.
126
Vgl. BRENNAN / SUBRAHMANYAM (1995), S. 362, GLOSTEN / HARRIS (1988), S. 123 f.
127
Vgl. AITKEN / GARVEY / SWAN (1995).
128
Vgl. SCHMIDT / KÜSTER SIMIû (1998).
129
Vgl. WHITCOMB (as Discussant) in: GROSSMAN / MILLER (1988), S.634.
Stand der Forschung 57
Die Existenz des Spreads als natürliche Eigenschaft des Marktes wird von COHEN /
MAIER / SCHWARTZ / WHITCOMB (1981) und HANDA / SCHWARTZ /
TIWARI (2002) untersucht. Sie gehen von einem Gravitational Pull-Effekt aus. Dieser
bewirkt, dass Marktteilnehmer statt einer Annäherung an das beste bestehende Gebot
eine unlimitierte Order mit Ausführungssicherheit aufgeben. Dies erfolgt, weil die
Akteure z.B. Transaktionskosten oder Informationsbeschaffungskosten haben und es
für sie nicht optimal ist, kontinuierlich in kleinen Mengen zu handeln. Im Gleichge-
wichtsspread sind für einen Marktteilnehmer die Kosten durch die bezahlte Geld-
Brief-Spanne bei der Erteilung einer Marktorder identisch mit den Kosten für eine
limitierte Order, bei der Kosten durch die mögliche Nichtausführung entstehen
können.
Bei der Analyse der Annahme, dass der Spread durch Insider hervorgerufen wird,
existieren mehrere Modellrichtungen. Die Grundlage legten BAGEHOT / TREYNOR
(1971). KYLE (1985) entwickelte diese Modellrichtung entscheidend weiter. Er
hinterfragt die Geschwindigkeit, mit der private Informationen Eingang in den Aktien-
130
Vgl. BLACK (1986). Er versteht unter Noise Trader liquiditätsgetriebene Akteure, die so
handeln, als ob ihnen Informationen vorliegen, was aus objektiver Sicht keinen Sinn macht.
58 Stand der Forschung
kurs finden, und wie wertvoll diese Informationen für den Insider sind. Weiter unter-
sucht er, wie die Preisvolatilität beeinflusst wird und welche Faktoren die Markttiefe
determinieren. Als Ergebnis resultiert aus seinem Modell, dass für eine im Gleichge-
wicht befindliche kontinuierliche Auktion eine konstante Kursvolatilität resultiert.
Dies wird hervorgerufen durch die Informationen, die mit konstanter Rate eingepreist
werden. Die Markttiefe ist proportional zur Anzahl der Noise Trader und reziprok zum
Ausmaß der Insiderinformationen. Den Einfluss der Zahl der Insider auf die Markt-
tiefe modellieren ADMATI / PFLEIDERER (1988). Der zeitliche Vorsprung der in-
formierten Anleger ist kurz, weil sie von einer raschen Publizierung ausgehen. Mit
steigender Anzahl an informierten Akteuren kommt es zu einem hohen Wettbewerb
untereinander und zu einer Zunahme der Markttiefe, wenn die Insidersignale stark mit-
einander korrelieren. Sind sie dies nicht, so sind die einzelnen Informationen für einen
längeren Zeitraum wertvoll und führen zu einer Verringerung der Markttiefe. Gegen-
teilige Ergebnisse liefern HOLDEN / SUBRAHMANYAM (1992). Sie nehmen in
ihrem Modell einen beständigen Wert der privaten Informationen an. Sie stellen fest,
dass durch eine hohe Insiderzahl die Markttiefe verbessert wird. GLOSTEN /
MILGROM (1985) analysieren die Adverse Selection-Kosten für einen Specialist
Market bei der Verarbeitung von Insiderinformationen bei sequentiellem Handel. Aus
der Sicht des Market-Makers stellt der Geld(Brief)kurs den Preis dar, der seiner
Kurserwartung nach seinem Kauf (Verkauf) entspricht. Dadurch kompensiert er
Verluste beim Handel mit Insidern durch Gewinne mit Noise Tradern. Eine höhere
Zahl an Insidern führt zu einem sich ausweitenden Spread. Dieser reduziert sich
später, weil die Informationsasymmetrie zwischen Insider und Specialist wieder
abnimmt. Eine Verdoppelung der Wahrscheinlichkeit, mit einem Insider zu handeln,
bedeutet ca. eine Verdoppelung des Spreads. Damit reduziert sich die Zeit, in der die
Insiderinformationen im Kurs enthalten sind, auf ein Viertel. LEACH / MADHAVAN
(1993) untersuchen die Adverse Selection-Kosten hinsichtlich der Möglichkeiten der
Market-Maker, durch Preisexperimente Informationen über den zukünftigen Wert des
Papiers zu erhalten. Ihr Resultat ist, dass Preisexperimente einen mäßigen Erfolg
haben und mit einer Ausweitung der Spanne und einem niedrigeren Handelsvolumen
verbunden sind. BRENNAN / SUBRAHMANYAM (1995) modellieren, wie Adverse
Selection-Kosten durch die Anzahl an Investoren mit privaten Informationen beein-
flusst werden. Als Maß verwenden sie die Zahl der Unternehmensanalysten. Sie
kommen zu dem Ergebnis, dass eine höhere Anzahl dieser Experten die Adverse
Selection-Kosten reduziert. EASLEY / KIEFER / O’HARA / PAPERMAN (1996)
analysieren für Aktien mit unterschiedlicher Liquidität die Wahrscheinlichkeit, dass
eine Transaktion auf privaten Informationen basiert. Ihre Ergebnisse bestätigen die
Tendenz, elektronische Handelssysteme für illiquide Werte so zu modifizieren, dass
Stand der Forschung 59
Market-Maker, Betreuer oder Handelsregeln wie z.B. maximale Spreads oder ein dis-
kretes Auktionsverfahren eingeführt werden.
131
Vgl. CHAN / LAKONISHOK (1993), S. 176.
132
Vgl. GUJARATI (1988) S. 354: Bei einem klassischen linearen Regressionsmodell wird
angenommen, dass keine Autokorrelationen in der Störgröße ui existiert. (E(ui,uj)=0 mit izj)
60 Stand der Forschung
Die zentrale Frage bei der Untersuchung von Blocktransaktionen ist die des Preisein-
flusses. Hierbei wird unterschieden in einen temporären und einen permanenten Ein-
fluss. Die permanente Komponente ist die veränderte Einschätzung der Marktteil-
nehmer bezüglich des zukünftigen Wertes der Aktie aufgrund der Blocktransaktion.
Die temporäre Komponente definieren sie als die transitorische Kursbewegung, die
notwendig ist, um die Liquidität bereitzustellen, um die Transaktion auszuführen. Be-
züglich des Preiseinflusses kann nach dem Investmentstil des initiierenden Managers
differenziert werden. HOLTHAUSEN / LEFTWICH / MAYERS (1987) zeigen, dass
nach der Blocktransaktion eines wachstumsorientierten Investment-Managers, der
133
Für den Leerverkauf leihen sich Akteure Aktien, um sie am Markt zu verkaufen. Hierfür fiel in
2005 für DAX-Titel durchschnittlich eine Leihgebühr zwischen 10 und 30 Basispunkten p.a. an
(Quelle: Bloomberg). Zusätzlich besteht nach dem 4. Gesetz über Kapitalanlagegesellschaften
(KAGG) § 8f Abs. 1 über den Verkauf von Low Exercise Price Options (LEPOs) die Möglich-
keit, einen einzelnen Titel short zu gehen. Hierfür muss in einer juristischen Sekunde das Under-
lying im Bestand sein, um einen Call mit Basispreis 1 Euro verkaufen zu dürfen. Dann wird die
Aktie verkauft, um über die ungedeckte Call-Position ein Auszahlungsprofil entsprechend einer
Short-Position zu erhalten. Seit dem 24. Oktober 2005 besteht durch single stock Futures kosten-
günstig und einfach die Möglichkeit des Leerverkaufes von DAX-Titeln.
134
Vgl. MADHAVAN / CHENG (1997), die darunter verstehen, dass der Broker ein Interesse daran
hat, die Transaktionsteilnehmer auf der anderen Seite durch Informationen vor kurzfristigen Ver-
lusten zu bewahren. Andernfalls würden diese zukünftig keine Geschäfte mit dem Broker tätigen.
Stand der Forschung 61
seine Ideen sehr zügig umsetzen möchte, ein Reversal erfolgt. Nach der Blocktrans-
aktion eines wertorientierten Investment-Managers, der eine marktschonende Ausfüh-
rung sucht, hält die Kurstendenz an. CHAN / LAKONISHOK (1995) kommen für die
Analyse der Reversals zu dem Ergebnis, dass diese für Kauftransaktionen nach der
Transaktion nur sehr schwach ausgeprägt sind. Für Verkäufe hingegen setzten schon
am letzten Tag der Transaktion moderate Reversals ein.
Ein Teil der Untersuchung von Blocktransaktionen beschäftigt sich mit dem Einfluss
des Upstairs-Market.135 MADHAVAN / CHENG (1997) weisen nach, dass bei stei-
gendem Blockumfang die Preiseffekte größer werden. Die relative Bedeutung für den
permanenten Preiseinfluss steigt mit dem Umfang der Transaktion sowohl im
Upstairs- als auch im Downstairs-Markt. Dies deutet darauf hin, dass asymmetrische
Informationen eine wichtige Komponente dieses Preiseinflusses sind. Die Kursbe-
wegungen vor der Blocktransaktion sind dann größer, wenn das Geschäft im Upstairs-
Markt vorbereitet wurde. Dies sehen sie als Bestätigung der Information Leakage-
Hypothese. Für die vom Broker gefundenen Handelspartner resultieren im Upstairs-
Markt niedrigere Adverse Selection-Kosten. KEIM / MADHAVAN (1996) stellen
fest, dass sich für die vom Verkäufer eingeleitete Blocktransaktion vor dem Handels-
tag ein negativer permanenter Preiseffekt ergibt. Am Handelstag selbst kommt es zu
einem negativen temporären Preiseinfluss. Nach dem Abschluss des Geschäftes sind
kaum signifikante Ergebnisse feststellbar. Für vom Käufer gestartete Blocktrans-
aktionen kommt es im Vorfeld durch die Information Leakage zu deutlichen positiven
Preiseffekten. Am Handelstag selbst sind keine temporären Effekte messbar. Nach Ab-
schluss der Transaktion ergeben sich zum Teil weitere, kleine, positive Preiseffekte.
135
Der Upstairs Market in den USA ist eine Such- und Vermittlungsleistung der Broker. Diese
determinieren für den Auftraggeber einer großen Order die gegenüberstehenden Handelspartner,
bevor das Geschäft auf dem Parkett vollzogen wird. Bei der Umsetzung müssen alle im Markt
befindlichen Orders ausgeführt werden, soweit dies nach der Preisprioritätregel erforderlich ist.
MADHAVAN / CHENG (1997) stellen fest, dass der Downstairs-Markt eine zentrale Quelle des
Grades der Liquidität für große Blocktransaktionen ist. Dies zeigt sich daran, dass in ihrer Daten-
basis lediglich ca. 20% der Geschäfte im Upstairs-Markt vorbereitet wurden. Diese haben im
Durchschnitt ca. den doppelten Umfang von Downstairs Geschäften.
62 Stand der Forschung
2.4.2.2 Autokorrelation
In der Markt-Mikrostrukturforschung wird mit Zeitreihenuntersuchungen die Autokor-
relation der Renditen respektive der Residuen ut der Regression untersucht.137 Bei die-
sen Arbeiten herrschen zwei gegensätzliche Ansichten. Die Anhänger der Contrarian
Opinion, wie z.B. DE BONDT / THALER (1985 & 1987) kommen zu dem Schluss,
dass mit dem Kauf von Titeln, die in der Vergangenheit Kursverluste erlitten hatten, in
der Zukunft eine Überperformance erzielt werden kann. Die Anhänger der Momen-
tum-Theorie hingegen, wie z.B. JEGADEESH / TITMAN (1993) und GLASER /
WEBER (2002), gehen davon aus, dass die Gewinner/Verlierer der Vergangenheit
auch die zukünftigen Gewinner / Verlierer sein werden. Für die Modellierung und Er-
klärungsansätze der kurzfristig messbaren Autokorrelation nehmen die Autoren
BOUDOUKH / RICHARDSON / WHITELAW (1994) eine Dreiteilung in Loyalists,
Revisionists und Heretics vor.
Die Loyalists gehen davon aus, dass Märkte effizient sind und Informationen rational
verarbeiten. Durch Marktfriktionen kann Autokorrelation entstehen. Dies sind z. B.
Messfehler in der Datenbasis (Geld-Brief-Spanne, asynchrones Handeln, diskrete
Preise), institutionelle Strukturen (unterschiedliche Marktstrukturen, Handels- und
Nichthandelszeiten) oder Effekte, die durch die Markt-Mikrostruktur hervorgerufen
werden (systematische Bestandskontrolle, Informationsfluss). Zu den Loyalists gehö-
ren z.B. BOUDOUKH / RICHARDSON / WHITELAW (1994). Sie weisen nach, dass
die Autokorrelation an den Kassamärkten deutlich größer ist als an den zugehörigen
136
Diese Beschreibung der Qualität eines Marktes erfasst die Konsumenten von Liquidität. Welche
Kriterien für die Liquiditätsanbieter wichtig sind, wird dabei nicht berücksichtigt. FOUCAULT /
KADAN / KANDEL (2001) postulieren für diese Gruppe, dass sie für ihre limitierte Order
versuchen, das Preiszugeständnis in Kombination bis zur Ausführungszeit zu minimieren.
137
Vgl. BLEYMÜLLER / GEHLERT / GÜLICHER (2002), S. 159.
Stand der Forschung 63
Die Revisionists, z.B. CONRAD / KAUL (1988), nehmen ebenfalls an, dass die
Märkte effizient sind. Die messbare Autokorrelation wird durch eine sich im Zeit-
ablauf verändernde Risikoprämie generiert. Dieser Renditeaufschlag kann aus inter-
temporalen Asset-Pricing-Modellen stammen. Die Schwankungen der kurzfristigen
Risikoprämie können beispielsweise durch vergangene Marktrenditen oder veränderte
Zinsspreads entstehen.
Die Heretics gehen von irrationalen Märkten mit der Möglichkeit daraus resultierender
profitabler Handelsstrategien aus. Von besonderer Bedeutung sind hierbei psycholo-
gische Faktoren. Sie führen an, dass Investoren auf Nachrichten oft überreagieren oder
neue Informationen nicht ausreichend berücksichtigen und unterreagieren. Im Zeitab-
lauf entstehen bestimmte Muster. Diese These vertreten z.B. BROWN / HARLOW /
TINIC (1988). GLASER / WEBER (2002) weisen für den Deutschen Aktienmarkt die
Existenz eines Momentum-Effektes bei den Renditen nach. Dieser ist besonders aus-
geprägt für Aktien mit hoher Marktkapitalisierung. Zur Gruppe der Heretics gehört
auch SUMMERS (1986), der von ineffizienten Märkten ausgeht, die über längere
Zeiträume deutlich von ihren fundamentalen Werten abweichen. Er zeigt, dass die
Autokorrelation von kurzfristigen Renditen im Zuge von Reversalbewegungen einen
großen Anteil an den gesamten Renditeveränderungen haben kann. FABOZZI / MA /
CHITTENDEN / PACE (1995) gehen davon aus, dass an den Kapitalmärkten „behavi-
oral irrationality” existiert. Dabei werden von Investoren frühere Informationen ten-
denziell unterbewertet und aktuellere Informationen überbewertet. In ihrer Empirie
können sie dies statistisch signifikant nachweisen.
138
Vgl. FRANKE / HÄRDLE / HAFNER (2001), S. 39 für die Definition der Standardabweichung.
139
Vgl. BEINERT / TRAUTMANN (1992) für implizite Volatilitäten am Deutschen Aktienmarkt.
64 Stand der Forschung
2.4.2.3 Kursreversal
Bei Kursreversals wird in den vorliegenden Arbeiten untersucht, ob sich kurzfristige
Kursbewegungen wieder umkehren. Dabei wird die Frage nach dem fundamental
richtigen Wert nicht berücksichtigt.140 Für die Entstehung von Kursreversals sind die
wichtigsten Hypothesen die der Overreaction und der Lack of Liquidity.
Die Overreaction-Hypothese hat zahlreiche Befürworter. Beispielsweise verwenden
DE BONDT / THALER (1985) als eine der Ersten mit der Overreaction-Hypothese141
diesen verhaltensorientierten Ansatz zur Erklärung der Kursbewegung nach unerwar-
teten, wichtigen Meldungen. Die These ist, dass Anleger bei der Revision ihrer Erwar-
tungen neue Meldungen übergewichten und vorhergehende Informationen oder die
Ausgangssituation untergewichten. Sie erkennen, dass der Overreaction-Effekt asym-
metrisch und für Verlierer-Aktien größer als für Gewinner ist. JEGADEESH /
TITMAN (1993) bestätigen diese Ergebnisse, konstatieren aber, dass ein großer Teil
dieser langfristigen Reversalbewegungen durch Januareffekte verursacht wird.
RICHARDS (1997) erweitert deren Modellierung um die Überlegung, ob Winner-Lo-
ser-Reversals142 durch höhere Risiken erklärt werden können. Sie kommen zu dem Er-
gebnis, dass das durchschnittliche Risiko bei den Renditen für die vorangegangenen
Loser nicht höher ist als das für Winner. BREMER / SWEENEY (1991) untersuchen
Kursausschläge größer als 10% innerhalb von 10 Tagen. Sie stellen fest, dass es zu
einem Reversal kommt. ATKINS / DYLE (1990) überprüfen extreme Kursausschläge
innerhalb eines Tages und deren Reversal. Sie stellen fest, dass es sowohl nach starken
Kursverlusten als auch nach Kursgewinnen zu einem signifikantem Reversal kommt,
wobei dies nach starken Kursgewinnen deutlich schwächer ausgeprägt ist. Sie folgern,
dass selbst die Akteure mit den geringsten Gebühren aufgrund des Spreads dieses Phä-
nomen nicht profitabel nutzen können. Für ihre Beobachtungen führen sie wie DE
BONDT / THALER (1985) an, dass Investoren neuen Ereignissen ein zu großes Ge-
wicht beimessen, also irrational handeln. JEGADEESH / TITMAN (1995a) konzen-
140
Vgl. POTERBA / SUMMERS (1988), die erforschen, ob langfristige mean reversion-Bewegun-
gen entstehen, weil sich temporäre Divergenzen zwischen dem fundamentalen Wert und den
Marktpreisen aufbauen, die sich später wieder verringern. FAMA / FRENCH (1988) analysieren
mean reversion für Zeiträume bis zu 10 Jahren. BESSEMBINDER / COUGHENOUR / SEGUIN
/ SMOLLER (1995) erklären mean reversion damit, dass die Preisveränderung eine temporäre
Komponente enthält und folgende Kursgewinne- oder Verluste zum Teil prognostizierbar sind.
141
Vgl. ROZEFF / ZAMAN (1998) charakterisieren Overreaction-Kursbewegungen dadurch, dass
diese sich prognostizierbar umkehren.
142
Vgl. JEGADEESH / TITMAN (1993) für das Winner-Loser-Reversals bzw. die Contrarian
Strategy bei der ehemalige „Looser” gekauft und bisherige „Winner” verkauft werden um
positive abnormale Renditen zu erwirtschaften.
Stand der Forschung 65
trieren sich in ihrer Arbeit auf die Analyse der Auswirkungen von unternehmensspezi-
fischen Faktoren auf die Kursentwicklung einzelner Aktien. Sie setzen voraus, dass
eine Überreaktion auf unternehmensspezifische Informationen in die Störgröße ui der
Regression eine negative serielle Kovarianz induziert. Ihre Contrarian-Strategie
besteht darin, nach einer guten oder schlechten Rendite der Vorwoche entsprechend
gute Aktien zu verkaufen oder schlechte zu kaufen, um diese für eine Woche zu
halten. Es resultiert eine negative Autokovarianz in ihren Ergebnissen. Diese zeigt,
dass ein Teil der Aktienrendite der ersten Woche, im Durchschnitt in der folgenden
Woche eine Umkehrung findet. Sie folgern, dass die Aktien auf unternehmensrelevan-
te Nachrichten überreagieren. Der größte Anteil der Gewinne der Contrarian Strategie
stammt aus der ersten Überreaktion und dem folgenden Reversal. In Bezug auf die
Marktkapitalisierung kommen sie nicht zum gleichen Ergebnis. Sie widersprechen Un-
tersuchungen, die eine Relation zwischen Marktkapitalisierung und Reversal nachwie-
sen.
Den zweiten Erklärungsansatz für Reversals bildet die Hypothese der „Lack of Liqui-
dity“. GROSSMAN / MILLER (1988) gehen davon aus, dass die Marktliquidität
durch Angebot und Nachfrage nach Sofortigkeitsservice determiniert wird. Liquidi-
tätsschocks schaffen Nachfrage nach Sofortigkeitsservice. Herrscht in dem Markt eine
hohe Autokorrelation, so pendelt sich das Gleichgewicht der Liquidität auf einem rela-
tiv niedrigen Niveau ein. Dies bildet die Basis für ungewöhnliche Kursausschläge und
eine folgende deutliche Reversalbewegung. Auch JEGADEESH / TITMAN (1995b)
widersprechen der Overreaction-Hypothese. Sie gehen davon aus, dass das Rendite-
reversal durch liquiditätsorientierte Marktteilnehmer ausgelöst wird.
Der letzte Erklärungsansatz für Reversals, der in diesem Rahmen aufgeführt werden
soll, ist die Preference Reversal-Hypothese. Diese stammt ebenfalls aus der Verhal-
tenstheorie und wurde von SLOVIC / LICHTENSTEIN (1983) und REILLY (1982)
entwickelt und z.B. von FABOZZI / MA / CHITTENDEN / PACE (1995) genutzt.143
Die Hypothese besagt, dass große Preisausschläge als Anzeichen für eine nicht beo-
bachtbare Ankunft von neuen Informationen zu werten sind. Dies bedeutet, dass die
auftretenden Reversals als Reaktion auf die Qualität, den Umfang, die Geschwindig-
143
Vgl. SLOVIC / LICHTENSTEIN (1983) bei denen das Preference Reversals auf der Entschei-
dung und Bewertung einer Wettsituation basiert. Es existiert die Wette, mit hoher Wahrschein-
lichkeit eine geringe Summe Geld zu gewinnen oder mit niedriger Wahrscheinlichkeit eine hohe
Summe zu gewinnen. Das Preference Reversal liegt vor, wenn sich Wetteilnehmer für die Wette
mit der niedrigen Auszahlung entscheiden, aber der Wette mit dem großen möglichen Betrag
einen höheren monetären Wert beimessen, als der Wette mit dem niedrigen Auszahlungsbetrag.
66 Stand der Forschung
keit, das Timing und die Häufigkeit des Auftretens der neuen Information zu erachten
sind.
2.5 Optionspreistheorie
In Kapitel 2.5 werden die Annahmen des Black-Scholes Modells und die wesentlichen
Aspekte der Berechnung der Optionswerte dargestellt. Die Herleitung des Modells
wird nur an den Stellen aufgegriffen, wo dessen Entwicklung einen Mehrwert für die
Diskussion der Modellierung der Erholungsfähigkeit bietet. Der Schwerpunkt liegt in
einem kurzen Überblick über die Problemkreise und Erweiterungen des Black-
Scholes-Modells sowie die verschiedenen aktuell diskutierten Modellrichtungen der
Optionspreistheorie. Dabei wird der Frage nachgegangen, ob sich Alternativen zu
Black-Scholes für die Optionsbewertung der limitierten Aufträge anbieten. Aus
diesem Unterkapitel resultiert die detaillierte Herleitung der Optionsbepreisung von
limitierten Orders im Xetra, die für das Modell der Erholungsfähigkeit in Kapitel 3
von Bedeutung ist.
144
Vgl. MERTON (1973), dessen Modell weitgehend dem Modell von Black-Scholes entspricht.
Vgl. SAMUELSON (1965), der schon früher (lang laufende) Optionen bewertete. Dabei nutzte
er, wie später auch Black-Scholes, eine geometrische Brownsche Bewegung für den zugrunde
liegenden Aktienkurs. Das erste Modell für die Optionsbewertung stammt vom BACHELIER
(1900/1965), der für Optionen auf französische Staatsanleihen eine driftlose Brownsche Bewe-
gung einführt, die später auch Black-Scholes mit ihrem Modell nutzen.
Stand der Forschung 67
Call-Wert. Für ein limitiertes Kaufgebot, also einen Geldkurs, errechnen sie den Put-
Wert.
145
Vgl. BOEHMER / SAAR / YU (2005), SCHMIDT / KÜSTER SIMIû (1998) für diese Beobacht-
ung des Ordermanagements limitierter Aufträge, ohne Berechnung der Optionswerte des
Limitorderbuchs.
68 Stand der Forschung
fallen. Dies beeinflusst die implizite Volatilität,146 weil die Handelspartner, zumeist die
Market-Maker, diese Optionen nur zu niedrigeren impliziten Volatilitäten kaufen. Bei
der Erteilung von limitierten Aufträgen im Xetra ist das Gegenteil der Fall, da die An-
bieter von Liquidität auf eine preisgünstige Ausführung der Gebote zu ihrem Limit
spekulieren. Durch die Berechnung der Optionswerte wurden aus der Arbeit von
JARNECIC / MC INISH (1997) keine neuen Erkenntnisse über eine der Dimensionen
der Liquidität gewonnen. Vielmehr wurde durch ihre Berechnung für das Orderbuch
die Information der Marktbreite- und tiefe zu einer Maßzahl für die Liquidität redu-
ziert. Dadurch kommt es zu einem Verlust an Informationen. Neben dieser Arbeit
finden sich in der Literatur bisher keine Ansätze, die das gesamte Limitorderbuch mit
der Bewertung von Optionen anhand von Black-Scholes mit binomialen Ent-
scheidungsbäumen oder dem Hedge-Gedanken modellieren.147
146
Für die Berechnung der impliziten Volatilität greifen sie auf das Verfahren von BRENNER /
SUBRAHMANYAM (1988) zurück, bei dem die implizite Volatilität aus einem Straddle von am
Geld befindlichen Optionen berechnet wird. Zur Diskussion über die Verwendung der impliziten
oder historischen Volatilität siehe auch BLACK / SCHOLES (1972).
BRENNER (1988) definiert die implizite Volatilität als die erklärende Variable, die exakt zum
Optionspreis führt, wenn alle anderen Variablen des Black-Scholes-Modells bekannt sind.
147
Vgl. hierzu auch COX / ROSS / RUBINSTEIN (1979) und HULL (2003).
148
Vgl BLACK / SCHOLES (1972a), HULL (2003) S. 242 ff. für weitere Details der Annahmen.
Vgl. JACOB / PETTIT (1989) für eine Auflistung der verschiedenen Untersuchungen zu der
Überprüfung, in wie weit die Annahmen von Black-Scholes erfüllt sind.
149
Vgl. GERKE (2002), S. 61., der mit dem Begriff Arbitrage Geschäfte bezeichnet, die risikolose
Preis- oder Kursunterschiede an verschiedenen Märkten ausnutzen, wodurch sich ein Gewinn
ohne Nettokapitaleinsatz erzielen lässt.
Stand der Forschung 69
die Aktie (S) zum Zeitpunkt (t) und keine Sprünge erfolgen.150 In diesen Prozess
fließen die zu erwartende Aktienrendite (µ) und die Volatilität (ı) ein.
3. Die Volatilität des Basiswerts ist bekannt und während der Laufzeit konstant.151
4. Die zugrunde liegenden Wertpapiere sind endlos teilbar und es existieren keine
Leerverkaufsbeschränkungen, bei denen die erhaltenen Erlöse sofort vollständig
frei verfügbar sind. Für Leerverkäufe sind keine Marginverpflichtungen fällig.
5. Es existieren keine Steuern und Transaktionskosten.
6. Im ursprünglichen Modell gibt es während der Optionslaufzeit keine Dividende.
7. Die Optionen können nur am Ende der Laufzeit ausgeübt werden.
8. Es existiert ein risikofreier, konstanter Zinssatz, der für alle verschiedenen
Restlaufzeiten der Optionen identisch ist.
9. Der Handel in dem zugrunde liegenden Wertpapier ist kontinuierlich.
Andere Optionsmodelle modifizieren von diesen Annahmen zumeist die Brownsche
Bewegung und/oder die konstante Volatilität. Einige dieser Modellvariationen werden
im Kapitel 2.5.7 dargestellt. Dabei wird ersichtlich, dass sich der überwiegende Teil
der Optionspreisdiskussion bei Aktienoptionen darauf bezieht, das Modell von Black-
Scholes zu erweitern oder zu standardisieren.
C K SN d1 Ke rt N d 2 (2.7)
2
§S· § V ·
ln¨ ¸ ¨¨ r ¸t
©K¹ © 2 ¸¹
d1 (2.8)
V t
d2 d1 V t (2.9)
PK Ke rt N d 2 SN d1 (2.10)
150
Zumeist werden in der Finanzmathematik Brownsche Bewegung und Wiener Prozess synonym
verwendet. Vgl. für die Definition eines Wiener Prozesses Fußnote 75.
151
Vgl. ENGLE (1993) für einen Methodenüberblick zur Messung und Prognose der Volatilität.
152
Vgl. BLACK / SCHOLES (1972 & 1973).
70 Stand der Forschung
Hieraus sind die fünf Faktoren ersichtlich, die den Optionspreis festlegen: Der Aktien-
kurs und seine Volatilität, der Basispreis, der Zinssatz und die Optionsrestlaufzeit.
153
Vgl. BATES (2002), S. 3.
154
Vgl. ENGLE (1982) der als Erster mit einer Autoregressive Conditional Heteroskedasticity
(ARCH)-Methode rechnete.
155
Vgl. HULL (2003), S. 704, der einen Diffusionsprozess vereinfacht mit einem Prozess beschreibt,
bei dem die Aktienkurse sich kontinuierlich verändern und keine Sprünge aufweisen.
156
Vgl. BLACK (1976) für diese empirischen Beobachtungen.
157
Vgl. BOLLEN / WHALEY (2001). Die Bezeichnung „implied volatility smile“ resultiert daraus,
dass vor dem Crash im Oktober 1987 die Beziehung der Black-Scholes impliziten Volatilität von
S&P 500 Indexoptionen zum Basispreis die Form eines Smiles aufwies.
Vgl. für weitere Untersuchungen zum Smile RUBINSTEIN (1985), RUBINSTEIN (1994),
BATES (1995), BAKSHI / CAO / CHEN (1997), DUMAS / FLEMMING / WHALEY (1998).
158
Vgl. CARR / WU (2003a) verstehen unter dem „volatility smirk“, dass bei einer gegebenen Rest-
laufzeit die implizite Volatilität für aus dem Geld befindliche Puts größer ist als für die analogen
Calls. Der Smirk ist asymmetrisch. Für ihn liegt eine negative Schiefe in der risikoneutralen
Stand der Forschung 71
Renditeverteilung des Wertpapiers vor. Die positive Wölbung des Smirk steht für fat tails und
eine leptokurtische, also hochgipfelige, Renditeverteilung.
Vgl. RUBINSTEIN (1994), JACKWERTH / RUBINSTEIN (1996), AȲT-SAHALIA / LO (1998)
für empirische Beobachtungen des Smirk.
159
Vgl. BEINERT / TRAUTMANN (1992) für den Deutschen Optionsmarkt, die für die implizite
Volatilität kurz laufender Calls, in Abhängigkeit vom inneren Wert, eine U-Form messen.
160
Vgl. KENNEDY (1992), S. 16 für die Effizienz eines Schätzers, dass es für diese mathematisch
oft nicht möglich ist zu bestimmen, welcher die geringste Varianz hat.
Vgl. BATES (1996), S. 593 f für eine Übersicht empirischer Analysen und eine Kategorisierung.
161
Vgl. GIOT (2003), S.1.
162
Vgl. FIGLEWSKI (2004) für einen Überblick für das Gebiet der Volatilitätsprognose.
163
Vgl. STEIN (1989) für den signifikanten Nachweis dieser Resultate. Im Gegensatz dazu
bestätigen DIZ / FINUCANE (1993) und CAMPA / CHANG (1995) diese Aussagen nicht.
72 Stand der Forschung
Wert monoton steigen und Puts monoton fallen. Ebenfalls dürften die absoluten
Veränderungen der Optionspreise die des Underlyings nicht übertreffen. Empiri-
sche Analysen widersprechen aber diesen beiden Modellaussagen.164
7. Optionspreise im Verhältnis zu der gemeinsamen Verteilung von Aktien- und
Optionsrenditen: Marktbeobachtungen der Performance von Portfolios, die sich
aus neutralisierenden Aktien- und Optionspositionen zusammensetzen, erzielen
nicht den risikolosen Marktzinssatz. Dies bedeutet, dass die von Black-Scholes
vorausgesetzte risikolose Struktur in der Praxis nicht erzielbar ist.165
Aus dieser Aufzählung wird deutlich, dass das Modell von Black-Scholes in der Praxis
viele Fragen aufwirft. Von diesen hat die Berechnungsmethode der Volatilität die
größte Bedeutung, da diese einerseits signifikante Muster wie z.B. Schiefe (Skew)166
und Smile aufweist und andererseits bereits kleine Unterschiede in der verwendeten
Volatilität einen sehr großen Einfluss auf den Optionswert haben.167
1 n
¦ ut u
2
s (2.11)
n 1 t 1
164
Vgl. KALOÐERA (2003) für den Deutschen Optionsmarkt und BAKSHI / CAO / CHEN (2000)
für S&P 500 Indexoptionen, bei denen bis zu 17% der Veränderungen der Optionspreise auf
Tagesschlusskursbasis oder im Intraday-Verlauf nicht dieser Monotonieeigenschaft genügen.
165
Vgl. BAKSHI / CAO / CHEN (2000) oder COVAL / SHUMWAY (2001).
166
Vgl. HAUG (1998), S. 176. Die Schiefe beschreibt das Defizit in der Symmetrie einer Wahr-
scheinlichkeitsverteilung. Zwei Verteilungen können gleiche Mittelwerte und Varianzen haben,
aber in der Schiefe differieren. Eine symmetrische Verteilung weist eine Schiefe von null auf.
167
Trotz der hohen Bedeutung der Volatilität auf die Optionspreise hat die CBOE als erste Termin-
börse zum 03.01.1986, 14 Jahre nach der Publikation des Modells von Black-Scholes, mit der
Veröffentlichung der impliziten Volatilität des VIX-Index für den S&P 100 begonnen.
168
Vgl. MERTON (1980) der die Bedeutung der Volatilität und der Möglichkeit, diese unter der
Annahme eines Diffusionsprozesses exakt zu schätzen, herausstellt.
169
Vgl. HULL (2003), S. 239 f für eine Übersicht über Intraday-Untersuchungen. Im aktuellen
Kapitel dieser Arbeit werden nur die Schätzverfahren für die Volatilität erörtert. Eine Darstellung
der Vielfalt der Volatilitätsmodelle erfolgt nicht, da diese die kurzfristige Volatilität, wie z.B. für
15-minütige Zeiträume, nicht berücksichtigen. Vgl. ROSENBERG (2000).
Stand der Forschung 73
In der Praxis hat es sich als Standard etabliert, als Anzahl der zu verwendenden Be-
obachtungen für ein Jahr die durchschnittlichen 252 Börsentage heranzuziehen.170
Die zunehmende Verfügbarkeit von Intraday-Daten hat eine Fülle an wissenschaft-
lichen Untersuchungen hervorgebracht, die sich auf den Intraday-Verlauf fokussie-
ren.171 Bei diesen wurden z.B. Schemata für den Tagesverlauf der Volatilität entdeckt,
die heute weitgehende Akzeptanz erlangt haben.172 Zusätzlich zu diesen Beobachtun-
gen wird die Frage aufgeworfen, welchem kurzfristigen Preisprozess die Kursent-
wicklung unterliegt. Dies spielt für die Bewertung von Optionen mit wenigen Minuten
Restlaufzeit eine bedeutende Rolle. Eine Option, die sich kurz vor Verfall außerhalb
des Geldes befindet, hat bei einem kontinuierlichen Prozess nur eine geringe Wahr-
scheinlichkeit, noch einen inneren Wert zu erlangen. Diese Wahrscheinlichkeit ist bei
der Annahme eines Sprungprozesses größer.173 Die Art des zugrunde liegenden
Aktienkursprozesses ist ein zentrales Kriterium für die Modellvielfalt der Optionsbe-
wertung (vgl. hierfür das Kapitel 2.5.7.). Diese Modelle gehen zumeist nicht mehr wie
Black-Scholes von einer geometrischen Brownschen Bewegung für die Entstehung
des Aktienkurses aus. Optimal wäre, wenn keine Annahme für den Preisprozess
gemacht werden müsste, sondern die realisierte Volatilität direkt erfassbar wäre. Dies
kann selbst mit hochfrequenten Daten nicht erfolgen, da keine kontinuierliche Erfas-
170
Vgl. FRANKE / HÄRDLE / HAFNER (2001), S. 95.
171
Vgl. SCHWERT (1990), HSIEH (1991) und TAYLOR / XU (1997) die Intraday-Daten
verwenden für die Berechnung von täglichen Renditevolatilitäten.
172
Vgl. SUNDKVIST / VIKSTRÖM (2000) die den Deutschen Aktienmarkt anhand des DAX unter-
suchen und daraus resultierend Aussagen für die Intraday-Optionsbewertung treffen.
173
Vgl. AȲT-SAHALIA (2002 & 2004), ANDERSEN / BOLLERSLEV / DIEBOLD / VEGA
(2002), CARR / WU (2003b) für die Zerlegung des Noise im Preisprozess in einen kontinuierli-
chen Brownschen und einen Sprunganteil. Die Koexistenz beider Bestandteile führt zu unter-
schiedlichen Anforderungen an Hedge-Strategien, AȲT-SAHALIA (2002), und beeinflusst kurz
laufende Optionen stark, CARR / WU (2003b). Der Sprunganteil variiert stark im Zeitablauf, die
kontinuierliche Komponente weist einen relativ konstanten Charakter auf CARR / WU (2003b).
74 Stand der Forschung
sung der Kursdaten möglich ist. Selbst wenn Tickdaten erfasst werden, handelt es sich
doch immer um diskrete Daten.174 Einerseits kommt die Berücksichtigung dieser hoch-
frequenten Daten dem kontinuierlichen Preisprozess sehr nahe, andererseits bergen
diese Daten mathematische, statistische und ökonometrische Schwierigkeiten. Daraus
resultiert, dass verschiedene Verfahren entwickelt wurden, um die tatsächliche Volati-
lität zu schätzen.
Diese Schätzer der kurzfristigen Volatilität können in zwei Gruppen unterteilt werden,
die parametrischen und die parameterfreien.175 Im ersten Fall werden Annahmen über
die augenblickliche oder erwartete Volatilität getroffen, in der zweiten Gruppe
nicht.176 In beiden Fällen müssen bei der Berechnung der Volatilität vier, durch die
Marktmikrostruktur induzierte, zentrale Probleme kontrolliert werden.177 Diese sind
die zumeist nicht äquidistante Datenbasis,178 die diskreten Beobachtungen, Intraday-
Effekte sowie die zeitlichen Abhängigkeiten in Form einer negativen Autokorrelation,
die aus der Bewegung zwischen Geld- und Briefkurs resultiert.179
In der Praxis liefern diese Verfahren effiziente Resultate. Insbesondere ARCH und
GARCH wurden intensiv genutzt. Aktuell kommen z.B. CHERNOV / GALLANT /
GHYSELS / TAUCHEN (2002) zu dem Ergebnis, dass auch Zeitreihenuntersuchun-
gen ungenügend sind, um Muster in der Entwicklung der Volatilität zu erklären. So
174
Vgl. ENGLE (2002).
175
ANDERSEN / BOLLERSLEV / FRANCIS / DIEBOLD, (2002) schlagen diese Einteilung vor.
176
Vgl. ANDERSEN / BOLLERSLEV / DIEBOLD (2002), S. 1 f.
177
Vgl. ENGLE / Russel (2004), S. 2ff.
178
Vgl. ENGLE (2000) für eine Übersicht, um diese Problematik der nicht äquidistanten Datenbasis
zu kontrollieren, der mit GARCH die Volatilität pro Zeiteinheit berechnet oder GHYSELS /
JASIAK (1998), die mit GARCH eine Aggregation der Volatilität über Zeitintervalle vornehmen.
179
Vgl. ENGLE / RUSSELL (2004), S. 3 f für eine Diskussion dieser Marktmikrostrukturprobleme.
180
Vgl. ENGLE (1982) für ARCH-Modelle und BOLLERSLEV (1986) für GARCH Modelle für die
Volatilitätsschätzung.
Stand der Forschung 75
181
Vgl. POON / GRANGER (2003) und CHEN / HÄRDLE / SCHULZ (2004).
182
Vgl. ZUMBACH / CORSI / TRAPLETTI (2002), S. 10.
76 Stand der Forschung
2
252 n 1 § Ht ·
V ¦ ¨ ln ¸
n t 1 4 * ln 2 ¨© Lt ¸¹
(2.13)
Ht = (Tages)hoch
Lt = (Tages)tief
n = Anzahl der Beobachtungen
t = Zeitpunkt der Beobachtungen
Der Vorteil des Parkinson-Schätzers ist, dass er effizient und robust ist. So kommt es
bei hoch liquiden Titeln, bei denen das Maximum der Range zumeist zum Briefkurs
und das Minimum zum Geldkurs gemessen wird, nur zu einer Erhöhung der Range um
den durchschnittlichen Spread, der für umsatzstarke Aktien gering ist.183 Eine weitere
positive Eigenschaft ist, dass dieses Parkinson-Maß ein zuverlässiger Schätzer für die
deutlich rechenintensivere, quadrierte Volatilität ist.184 Als Nachteil weisen diese
Schätzer auf, dass die Probleme, die aus der Marktmikrostruktur resultieren, am besten
dadurch gemildert werden, dass sich die Untersuchungen auf liquide Aktien beschrän-
ken und damit nicht die maximal mögliche Datenmenge nutzen, sondern nur Daten mit
einer niedrigeren Frequenz.185 Diese vier Range Based-Schätzer für die Volatilität, die
diskretionäre Daten aus dem Tagesverlauf nutzen, haben alle das Problem, dass die so
erfassten Daten einen Bias aufweisen.186 Dennoch sind sie im Vergleich zur Volatili-
tät, die auf Tagesschlusskursbasis geschätzt wird, ca. 5- bis 14-fach effizienter.187
183
Vgl. ALIZADEH / BRANDT / DIEBOLD (2001), S. 15.
184
Vgl. PARKINSON (1980) und BRANDT / DIEBOLD (2004).
185
Vgl. BRANDT / DIEBOLD (2004), S. 3.
186
Vgl. GARMAN / KLAAS (1980), S. 74.
187
Vgl. BECKERS (1983), S. 109, LI / WEINBAUM (2000), S. 1.
188
Vgl. AȲT-SAHALIA / MYKLAND / ZHANG (2004), S. 1.
189
Vgl. ANDERSEN / BOLLERSLEV / DIEBOLD (2003), S. 1. die hierfür 5-minütige Zeitinter-
valle benutzen. Vgl. ANDERSEN / BOLLERSLEV / CHRISTOFFERSEN / DIEBOLD (2005),
S. 11 dafür, dass die tatsächliche realisierte Volatilität erst erfasst würde, wenn die Zeitspanne
zwischen der Messung der Renditen gegen null ginge.
Stand der Forschung 77
effizient und weist kaum einen Bias auf.190 Dabei werden zumeist Zeiträume zwischen
einer und 30 Minuten genutzt. ANDERSEN / BOLLERSLEV / CHRISTOFFERSEN /
DIEBOLD (2005) schätzen die realisierte Varianz ( V t2,' ) mit:191
1/ '
V t2,' ¦r
j 1
2
t 1 j' ,' (2.14)
r = Aktienrendite
' = Anzahl der äquidistanten Intraday-Zeitintervalle eines Tages
j = Laufindex für die beobachtete Rendite
t = Laufindex pro erfasster Tag
Für diese Schätzung der realisierten Varianz ergibt sich in empirischen Analysen eine
negative Schiefe, die durch die Transformation zur Standardabweichung eine höhere
Symmetrie erhält und durch eine weitere Logarithmierung annähernd einer Normal-
verteilung entspricht.192 Ein Vorteil der realisierten Varianz: Je geringer die Zeit-
spanne zwischen den Beobachtungen wird, desto mehr nähern sich die Resultate der
wahren integrierten Volatilität193 eines kontinuierlichen Preisprozesses an.194 Ein
Nachteil ist, dass die Geld-Brief-Schwankung der Intraday-Bewegung einen höheren
Bias induziert, je höher die Anzahl der verwendeten quadrierten Intraday-Renditen
ist.195
Es kann zusammengefasst werden, dass für die Berechnung der kurzfristigen Volati-
lität im Intraday-Bereich sich sowohl in der Forschung als auch in der Praxis bisher
kein Standard für die Optionsbepreisungen gebildet hat. Insbesondere bei Berücksich-
tigung der diversen Beweggründe für Optionsgeschäfte, z.B. Hedging oder Spekula-
tion, zeigt sich, dass es bisher keine einheitliche, optimale Methode für die Berech-
nung der Volatilität gibt. Unabhängig davon gilt für die Effizienz, dass die realisierte
Volatilität ein effizienterer Schätzer für die echte Volatilität ist, als dies die Range
Based-Schätzer liefern. Dies wird deutlich, wenn ein Diffusionsprozess für die loga-
rithmierten Aktienrenditen vorliegt und diese in ausreichend kurzen Zeitintervallen
190
Vgl. ANDERSEN / BOLLERSLEV / DIEBOLD / LAYBS (2003), S. 530 und LI / WEINBAUM
(2000), S. 1.
191
Vgl. LI / WEINBAUM (2000), S. 11.
192
Vgl. ANDERSEN / BOLLERSLEV / DIEBOLD / LAYBS (1999), S. 3.
193
Vgl. ANDERSEN / BOLLERSLEV / DIEBOLD / LAYBS (2000), S. 1, die als integrierte Volati-
lität das Integral über die augenblickliche Volatilität für das beobachtete Zeitintervall verstehen.
194
Vgl. ANDERSEN / BOLLERSLEV / CHRISTOFFERSEN / DIEBOLD (2004), S. 13.
195
Vgl. ALIZADEH / BRANDT / DIEBOLD (2001), S. 15.
78 Stand der Forschung
erfasst werden, da sich in diesem Fall die realisierte Volatilität mit zunehmender
Frequenz der Daten der wahren Volatilität annähert. In der Praxis ergibt sich für den
realisierten Volatilitätsschätzer durch die höhere Anzahl an Kursen ein größerer Bias
als für den Range Based-Schätzer, der mit lediglich zwei Preisen pro Intervall
arbeitet.196
196
Vgl. ALIZADEH / BRANDT / DIEBOLD (2001), S. 14 f.
197
Vgl. BOLLEN / WHALEY (2004), S. 712.
198
Vgl. ABKEN / NANDI (1996), S. 23.
199
Vgl. STOLL (1969), der bereits vor der Veröffentlichung des Optionsbewertungsmodells von
Black-Scholes die Put-Call-Parität aufstellte, die besagt, dass für einen Europäischen Call mit
bestimmtem Ausübungspreis und Laufzeit der Wert u.a. durch einen Europäischen Put mit
gleichem Basispreis und Laufzeit hergeleitet werden kann. Sollten sich Bewertungsunterschiede
ergeben, so besteht die Möglichkeit Arbitragegewinne zu erzielen, wobei ein sofortiger positiver
Geldstrom und zum Ende der Laufzeit ein neutraler Geldstrom generiert wird.
200
Eine alternative Bezeichnung für dieses Modell ist Compound Option Pricing Model.
Stand der Forschung 79
Ein Vorteil der univariaten Diffusionsmodelle ist, dass diese einfach in ihrer Anwen-
dung sind. Die meisten Parameter können auf Basis von Renditezeitreihen geschätzt
werden. Weiterhin können diese deterministischen Modelle auch einen gewissen Teil
der Dynamik der Volatilität gut darstellen. Als Nachteile stellen sich fünf Aspekte
heraus:
201
Vgl. COX / ROSS / RUBINSTEIN (1979), RUBINSTEIN (1994) und LEISEN / REIMER
(1996) für binomiale Baumbepreisung von Optionen. Dabei wird ein Baumdiagramm erarbeitet,
das aus einer binomial verteilten Aktienkursbewegung resultiert. In Abhängigkeit der Höhe des
Aktienkurses pro Knoten werden die Optionswerte retrograd ermittelt.
Vgl. BOYLE (1986) für Trinomiale Bäume.
202
Vgl. KALOÐERA (2003) für diese empirische Beobachtung am Deutschen Optionsmarkt.
203
Vgl. BAKSHI / CAO / CHEN (2000).
204
Vgl. BATES (2002), S. 8.
80 Stand der Forschung
205
Vgl. ENGLE / HONG / KANE / NOH (1993) die mit einer Simulation von Optionen und mit
ARCH versuchen die optimale Volatilität zu schätzen um diese in der Black-Scholes Formel für
eine Optionsrestlaufzeit von einem Tag nutzen zu können.
206
Vgl. THEODORAKAKOS (2001) für eine empirische Untersuchung mit diesem Ergebnis.
207
Vgl. GALAI (1983), S. 59 und THEODORAKAKOS (2001), S. 43.
208
In der englischsprachigen Literatur wird diese als instantaneous volatility bezeichnet. BEINERT /
TRAUTMANN (1992) sprechen von Momentanvarianz.
209
Vgl. GHYSELS / HARVEY / RENAULT (1996) für stochastische Volatilitätsmodelle.
210
Vgl. ABKEN / NANDI (1996), S. 23.
Stand der Forschung 81
211
Vgl. BAKSHI / CAO / CHEN (2000), S. 582.
212
Deutsche Übersetzung zu dem englischen Ausdruck: Fat Tails.
213
Vgl. MANDELBROT (1963), FAMA (1965) für Arbeiten zu den Fat Tails der Renditen.
214
Vgl. WIGGINS (1987) oder RITCHKEN / TREVOR (1999) als Beispiele für die praktische
Schätzung von Optionswerten mit stochastischer Volatilität.
Vgl. BOYLE (1977) als erstes Beispiel für die Optionswertberechnung mit stochastischer
Volatilität anhand der sehr rechenintensiven Monte Carlo Methode, die für den Fall entwickelt
wurde, dass kein Modell mit einer geschlossenen Lösung vorliegt.
215
Vgl. BAKSHI / CAO / CHEN (1997). Dagegen findet ERAKER (2004), dass komplexe Sprung-
modelle nicht das einfachere stochastische Volatilitätsmodell von HESTON (1993) verbessern.
82 Stand der Forschung
2.5.7.3 Sprungmodelle
Die Sprungmodelle (Jump-Modelle) weichen die Annahme des Diffusionsprozesses
der Aktienrenditen auf, bei dem sowohl der Aktienkurs als auch die Volatilität zufällig
und in ruhigen Bahnen entsteht. Diese Modelle nehmen für den Prozess der Entste-
hung der Volatilität an, dass dieser Sprünge enthält.216 Sie wurden entwickelt, um den
beobachteten Smile und Smirk der Volatilität besser zu berücksichtigen. Die Sprung-
prozesse lassen sich in zwei Modellgruppen unterteilen. Ein Forschungszweig be-
schäftigt sich mit Modellen, die auf einem Poisson Prozess217 mit einer begrenzten
Zahl an Sprüngen in einem beschränkten Zeitintervall basieren. Darunter fallen
MERTON (1976), HESTON (1993), ANDERSEN / BENZONI / LUND (2002),
BAKSHI / CAO / CHEN (1997) und BATES (1996 &2000).218 Bei MERTON (1976)
z.B. folgen die Aktienrenditen nicht mehr nur einer geometrischen Brownschen Bewe-
gung, sondern enthalten zusätzlich mehrere Poisson verteilte Sprünge. Dafür wird die
durchschnittliche Anzahl an Sprüngen pro Jahr und deren durchschnittliche prozentu-
ale Höhe geschätzt. Die andere Forschungsrichtung umfasst Modelle mit einer unend-
lichen Anzahl an (kleinen) Sprüngen in einem beschränkten Zeitraum. Solche Modelle
stammen von BARNDORFF-NIELSEN (1998), EBERLEIN / KELLER / PRAUSE
(1998), MADAN / CARR / CHANG (1998), CARR / GEMAN / MADAN / YOR
(2002) und CARR / WU (2003a). Der Vorteil der Sprungmodelle liegt darin, dass sie
bei der Betrachtung eines einzelnen Fälligkeitszeitpunktes die beobachtete Volatilität
gut abbilden. Durch die Annahme der unabhängigen und identisch verteilten Renditen
216
Vgl. FRENCH / ROLL (1986), die als Gründe für die Entstehung der Volatilität die Veröffen-
tlichung neuer Informationen, Insiderinformationen oder Fehlbepreisungen im Handel nennen.
BESSEMBINDER / SEGUIN (1993) und MADHAVAN / RICHARDSON / ROOMANS (1997)
erachten als Hauptgrund für die Entstehung der Volatilität unerwartetes Handelsvolumen.
Vgl. JONES / KAUL / LIPSON (1994) die feststellen, dass die Volatilität nicht durch die Größe
von Aufträgen induziert wird, sondern durch das Auftreten von Transaktionen per se.
217
Vgl. BAMBERG / BAUR (1989), S.103: Eine Zufallsvariable X mit der Wahrscheinlichkeits-
funktion f (x), wobei O > 0, heißt Poisson-verteilt oder genauer P(O)-verteilt für:
Ox O
° e ; für x 0, 1, 2, ...
f ( x) ® x!
°0 ; sonst
¯
218
Diese Modelle können dem generalisierten Modell von DUFFIE / PAN / SINGLETON (2000)
zugeordnet werden, das Sprünge und eine stochastische Volatilität beinhaltet.
Stand der Forschung 83
219
Vgl. BATES (2000) S. 205.
220
Vgl. COX / ROSS / RUBINSTEIN (1978), S.47.
221
Vgl. AMIN (1993) für die Darstellung praktischer Schwierigkeiten bei der Schätzung.
222
Vgl. HAUG (1998), S. 8.
223
Vgl. BATES (2002) für das Ergebnis, dass Sprungmodelle den Smile und Smirk zwar für eine
Restlaufzeit gut darstellen, dies aber für mehrere Restlaufzeiten nicht erreichen.
224
Vgl. BATES (2002), S. 9.
225
Vgl. HUANG / WU (2004), S. 1409.
84 Stand der Forschung
226
Vgl. HAUG (1998), S. 19.
227
Vgl. WALLNER / WYSTUP (2004) für einen mathematischen Vergleich dieser drei Methoden.
228
Vgl. HULL (2003), S. 427.
229
Das Modell von Black-Scholes führt zu einer Überbewertung von Optionen auf Aktien, die
Dividenden zahlen. Der Wert nach BARONE-ADESI / WHALEY (1987) kann nie geringer sein,
als der innere Wert der Option und maximal den Black-Scholes Wert erreichen.
Stand der Forschung 85
230
Vgl. BOYLE (1977), der als Erster europäische Optionen mit Monte Carlo Methoden berechnete.
231
Vgl. HULL (2003), S. 478 f.
232
Vgl. SCHWARTZ (1977) für eine der ersten Arbeiten, die für die Optionsbewertung Finite-
Differenzen-Verfahren zur Lösung der partiellen Differentialgleichung herzieht.
233
Vgl. GESKE / SHASTRI (1985) für einen empirischen Vergleich des Binomialmodells und der
Finite-Differenzen-Verfahren, die feststellen, dass beide zu ähnlichen Ergebnissen kommen.
86 Stand der Forschung
Volatilität, die auf die Optionsbewertung einen dominierenden Einfluss ausübt, durch
die realisierte Volatilität zu approximieren. Der Vorteil ergibt sich im Handel dann,
wenn gemäß Black-Scholes hergeleitete Werte einen „Standard-Optionswert“ liefern,
auch wenn zusätzlich noch Preisberechnungen mit anderen Optionsmodellen erfolgen.
Bei Kursanfragen werden von den Market-Makern primär die Volatilitäten und
sekundär die Optionspreise gestellt. Wenn alle Handelsbeteiligten auf die Options-
wertberechnung von Black-Scholes zurückgreifen, sind alle Modellparameter bis auf
die Volatilität determiniert. Die Akteure können somit, für die gestellten Volatilitäten,
diese leicht über unterschiedliche Laufzeiten, Basispreise oder verschiedene Assets
vergleichen.234 Diese Möglichkeit des relativen Vergleichs der Optionswerte des
Orderbuchs, für eine Aktie im Zeitablauf oder zwischen verschiedenen Aktien, ist das
zentrale Ziel für die Optionsbewertung aller DAX-Titel.
Im Bereich der unterschiedlichen Modelle zeigt sich, dass sich bisher kein Konsens
herausgebildet hat, welches die beste Spezifikation der Volatilität für die Optionsbe-
wertung ist. In der Praxis haben sich einige alternative Modelle zu Black-Scholes
etabliert, die jeweils spezifische Aspekte der Bepreisung von Black-Scholes korrigie-
ren. Von diesen hat sich bisher kein Modell als überlegen erwiesen, die Defizite des
Black-Scholes-Ansatzes zu kompensieren.235 Daraus ergibt sich der Benchmarkcha-
rakter des Black-Scholes-Modells, der es den Marktteilnehmern ermöglicht, Preisver-
gleiche durchzuführen. Schließlich ist auch die herausragende Bedeutung dieses
Modells in der Praxis der Grund, der für dessen Anwendung im Fortgang der Untersu-
chung spricht.
x Das Modell muss die Handlungsbereitschaft und den Handlungswillen der Markt-
teilnehmer erfassen. Damit müssen Aktionen und Reaktionen der Akteure quanti-
fiziert werden. Dies muss im Kontext der am Markt vorherrschenden Volatilität
erfolgen.
x Es ist erforderlich, zu bestimmen, ob ein Gleichgewicht vor und nach der außer-
ordentlichen Bewegung vorliegt.
234
Vgl. BOLLEN / WHALEY (2004), S. 713 und LEDOIT / SANTA-CLARA / YAN (2002), S. 1.
235
Vgl. ABKEN / NANDI (1996), S. 33.
Stand der Forschung 87
x Die Zeitspanne der Bewegung ist bedeutend für die Beurteilung des Grades der
Erholungsfähigkeit.
Abschließend lässt sich feststellen, dass in der gesichteten Literatur der Markt-Mikro-
strukturforschung das Thema der Erholungsfähigkeit bisher nur relativ wenig erforscht
wurde. Als Zusammenfassung und zur übersichtlicheren Darstellung werden die aus
der Literaturübersicht und dem Modell der vorliegenden Arbeit zu testenden Hypothe-
sen in Kapitel 3.6 dargestellt.
Modell der Erholungsfähigkeit 89
x Gleichgewicht: Das Konzept der Spannung (Kapitel 3.3.1) wird durch die Berück-
sichtigung der Optionswerte beider Orderbuchseiten entworfen. Dafür werden die
summierten Optionswerte der Geld- und Briefseite zueinander in Relation ge-
236
Im Gegensatz zu dem modellierten Einfluss der Volatilität haben erste Liquiditätsuntersuchungen
den Einfluss der Volumina analysiert vgl. GALLANT / ROSSI / TAUCHEN (1992), JONES /
KAUL / LIPSON (1994). Deren Ergebnis ist, dass Volumina ausschlaggebend für Veränderungen
der Aktienkurse sind. Vgl. andererseits spätere Untersuchungen mit dem Ergebnis, dass (netto)
Orderungleichgewichte der zentrale Einflussfaktor für Aktienpreisbewegungen sind vgl. BROWN
/ WALSH / YUEN (1997), CHORDIA / ROLL / SUBRAHMANYAM (2001).
90 Modell der Erholungsfähigkeit
bracht. Die Spannung dient als Kennzahl für die Definition des Marktgleichge-
wichts. Dies stellt den zweiten bedeutenden Punkt im Modell der Erholungsfähig-
keit dar (Kapitel 3.3.2). Zusätzlich wird das XLM-Mass237 der Deutschen Börse
AG berechnet, um mit dieser Größe zu überprüfen, ob ein Gleichgewicht vorliegt
(Kapitel 3.3.3). Der Bestimmung und Definition des Marktgleichgewichts kommt
eine wichtige Rolle zu, um eine klare Abgrenzung zum Kursreversal zu erreichen.
Der Vorteil dieses Modells, das über die Volatilität, das Gleichgewicht und die Zeit-
komponente entwickelt wird, liegt darin begründet, dass im Gegensatz zu der Markt-
breite und der Markttiefe alle drei Faktoren die dynamische Interpretation der Gebote
liefern. So kann der Wille der Marktteilnehmer am Handel teilzunehmen modelliert
werden. Daraus resultiert, dass einzelne Aktien und Zeiträume hinsichtlich ihrer
Fähigkeit zur Erholung beurteilt und miteinander verglichen werden können.
Eine Zusammenfassung des Modells erfolgt in Kapitel 3.5. Aus dem entwickelten
Modell der Erholungsfähigkeit resultieren Hypothesen und Handelsstrategien für einen
Automaten (Kapitel 3.6), die in der anschließenden empirischen Untersuchung getestet
werden.
3.2 Einfluss der Volatilität auf den Handlungswillen und den Optionswert
In der wissenschaftlichen Forschung wird der Einwand erhoben, dass die Liquidität
von der Marktbreite und -tiefe eines offenen Limitorderbuchs nicht ausreichend gut
charakterisiert wird.238 Eine Schwierigkeit der Kenngröße Marktbreite wird vor dem
Hintergrund deutlich, dass es zahlreiche Marktteilnehmer gibt, die das Orderbuch
beobachten und bereit stehen, auf außergewöhnliche Transaktionen oder Situationen
im Orderbuch zu reagieren, ohne mit limitierten Geboten im Buch präsent zu sein.239
Die Problematik der Markttiefe wird ersichtlich durch die Beobachtung, dass der
Preiseinfluss einer unlimitierten Order nicht linear ist, woraus folgt, dass die Markt-
237
Vgl. Kapitel 3.3.3 für die Erläuterung und Berechnung des XLM-Masses.
238
Vgl. OESTERHELWEG / SCHIERECK (1993), KEMPF (1997) für die Diskussion der Eignung
von Liquiditätsmassen für die Charakterisierung der Liquidität eines Marktes.
239
Vgl. BIAIS / HILLION / SPATT (1995), S. 1557.
Modell der Erholungsfähigkeit 91
tiefe nicht mit einer einzelnen Zahl charakterisiert werden kann.240 Durch diese
Aspekte wird deutlich, dass die Liquidität keine statische Größe ist. Sie muss in einem
dynamischen Kontext betrachtet werden, denn die Dimensionen Marktbreite und
Markttiefe können zwar eindeutig die verbindliche Handlungsbereitschaft des Marktes
wiedergeben, sie können aber keine Aussage über den intendierten Handlungswillen
der Akteure liefern. Eine ökonomisch sinnvolle Interpretation eines einzelnen limi-
tierten Gebotes, oder einer ganzen Orderbuchlage, kann nur dann erfolgen, wenn für
ein einzelnes, limitiertes Gebot auch ein Wille zur Umsetzung der Transaktion näher
quantifiziert werden kann. Bei einer wissenschaftlichen Definition des Willens der
Marktteilnehmer stellt sich die Frage der Einstellung der Marktteilnehmer gegenüber
einer Situation. „Eine Einstellung (Attitüde) ist eine relativ stabile Disposition, irgend-
einer Situation gegenüber in beständiger Weise zu reagieren. Einstellungen bestehen
aus 3 Komponenten: a) Überzeugungen oder Vorstellungen darüber, wie die Dinge
sind oder sein sollten, b) Affekthaltungen oder Emotionen, die mit diesen Über-
zeugungen verknüpft sind und anhand physiologischer Reaktionen oder der Intensität
und Art der Reaktion messbar sind, c) einer Handlungskomponente, einer bestimmten
Verhaltensbereitschaft.“241 Wenn diese Aspekte der Definition der Einstellung mit
einem limitierten Auftrag eines Marktteilnehmers in Verbindung gebracht werden, so
wird ersichtlich, dass zwei der drei Merkmale ausschlaggebend von der am Markt vor-
herrschenden Volatilität bestimmt werden. Sowohl die Vorstellung (a) über die Aus-
führung eines limitierten Auftrags als auch die Verhaltensbereitschaft (c) zur Auftrags-
erteilung hängen maßgeblich von der am Markt vorherrschenden oder der erwarteten
Volatilität ab. Somit ist die Volatilität der entscheidende Parameter, um die
Einstellung der Akteure zum Markt zu messen.
In der vorliegenden Arbeit soll der Handlungswille definiert werden als die Intensität
des Wunsches, am Handel teilzunehmen. 242 Da dieser Transaktionswille die Volatilität
240
Vgl. KEMPF / KORN (1997), S. 23.
241
ZIMBARDO, (1983), S. 614.
242
Vgl. ENGLE (1996) der feststellt, dass die Intraday-Volatilität verringert wird, wenn die zeit-
lichen Abstände zwischen den Transaktionen sehr groß sind. Dies interpretiert er als „no trade is
no news“. Die Volatilität ist auch sehr gering, wenn der Abstand zwischen den Transaktionen
sehr gering ist. Dies steht im Gegensatz zu DIAMOND / VERRECHIA (1987), die davon aus-
gehen, dass zahlreiche Marktteilnehmer auf schlechte Nachrichten nicht reagieren können, weil
sie nicht leer verkaufen können und lange zeitliche Abstände zwischen den Transaktionen als „no
trade is bad news“ modellieren. Vgl. KARPOFF (1988) der zu dem gleichen Ergebnis kommt,
weil die eingeschränkte Möglichkeit des Leerverkaufs Insider oft davon abhalten, negative
Signale auszunutzen. Das führt dazu, dass in Summe Kaufaufträge einen höheren Informations-
gehalt besitzen als der Verkaufsorderstrom. Empirisch belegen diese short-selling hypothesis
MADHAVAN / SMIDT (1991) and CHAN / LAKONISHOK (1993).
92 Modell der Erholungsfähigkeit
berücksichtigen muss, ist es nahe liegend, den Handlungswillen eines limitierten Auf-
trags als Optionswert zu berechnen, der den anderen Marktteilnehmern zur Verfügung
gestellt wird. Wie durch die Diskussion der Optionsmodelle (Kapitel 2.5) offensicht-
lich wurde, bietet sich für die Berechnung der Optionswerte das Modell von Black-
Scholes an. Der einzigartige Vorteil dieses Modells ist, dass es sich als Standard am
Markt etabliert hat und dadurch die Marktteilnehmer Optionspreise und Volatilitäten
sehr leicht vergleichen können.
Eine dynamische Analyse des Orderbuchflusses im Limitorderbuch kann durch die
Berechnung von Optionswerten differenzierter erfolgen. Wenn eine Aktie an zwei
Zeitpunkten eine identische Marktbreite und -tiefe aufweist, aber sehr unterschiedliche
Volatilitäten auftreten, dann liegen auch verschiedene Optionswerte vor. Dadurch wird
für die Marktteilnehmer jeweils ein ganz unterschiedlicher Wille zur Handelsteil-
nahme ausgedrückt.243 Eine Limitierung, die mit beispielsweise einem Prozent Distanz
zum letzten Transaktionspreis aufgegeben wurde, kann für die Aktie in Phasen niedri-
ger Volatilität einen Auftrag mit relativ geringer Handlungsbereitschaft darstellen. Da-
gegen impliziert diese Order in Zeiten hoher Volatilität einen vergleichsweise inten-
siven Wunsch nach Ausführung, weil der Marktteilnehmer mit höherer Wahrschein-
lichkeit davon ausgehen kann, dass sein Auftrag ausgeführt wird.244 Wie bereits in
Kapitel 2.5 dargestellt, wird der Wert einer Option nach Black-Scholes durch fünf Ein-
flussgrößen determiniert:
x dem Basispreis,
x der Restlaufzeit der Option,
x dem Aktienkurs,
x dem Zinssatz und
x der Volatilität der Aktie.
Für die Anwendung des Optionsmodells von Black-Scholes ist es notwendig, diese
fünf Parameter hinsichtlich ihrer Besonderheiten bei der Anwendung auf ein offenes
Limitorderbuch näher zu betrachten.
243
Vgl. BRUNNER (1996), S. 15 ff. für eine Übersicht über Liquiditätsmaße, die in Ansätzen die
Volatilität bzw. die Kursveränderungsrate aufnehmen.
244
Vgl. für Modelle, die eine nichtlineare Beziehung zwischen Aktienkurs und Orderfluss herstellen
HASBROUCK (1991), der die quadrierten Handelsvolumina berücksichtigt, DE JONG /
NIJMAN / RÖELL (1995) nutzen das reziproke Handelsvolumens, HAMAO / HASBROUCK
(1995) verwenden das Volumen und die Zeit für die Messung der Liquidität.
Zusätzlich zu der Volatilität des Einzeltitels könnte eine Erweiterung des Modells auch die
Volatilität des Gesamtmarktes für die Optionsbewertung berücksichtigen.
Modell der Erholungsfähigkeit 93
245
Eurex steht für European Exchange, die Terminbörse, die im September 1998 aus Deutsche
Terminbörse und Swiss Options and Financial Futures Exchange hervorging.
94 Modell der Erholungsfähigkeit
wenn dadurch ein besserer Ausführungspreis erreicht werden kann. Größere Auf-
träge werden deswegen auf mehrere Tage verteilt, um so innerhalb eines Handels-
tages bestimmte Volumina auszuführen. HARRIS / HASBROUCK (1996) stellen
fest, dass 82% der limitierten Orders nur tagesgültig sind. Somit würde es aus
Sicht dieser genannten Untersuchungen vertretbar erscheinen, für das Modell die
verbleibende Handelszeit bis zum Ende des jeweiligen Tages zu verwenden.
Damit könnte der Intraday-Aspekt der Erholungsfähigkeit nicht untersucht
werden, auf den sich die vorliegende Arbeit konzentriert. LO / MAC KINLAY /
ZHANG (2002) kommen in ihrer Untersuchung zu deutlich kürzeren zeitlichen
Limitierungen von Aufträgen. Sie stellen fest, dass Kaufaufträge, die nicht
ausgeführt werden, nach 46 Minuten gestrichen werden, und dass Verkaufsorders
bereits nach 34 Minuten wieder aus dem Markt genommen werden.
x Die Volatilität hat einen sehr hohen Einfluss auf den Wert von kurzlaufenden
Optionen. Daraus resultiert die Frage, wie kurz ein Intraday-Zeitintervall sein
kann, damit stabile Volatilitätsschätzungen noch möglich sind. Sehr kurze Unter-
suchungszeiträume von 5 Minuten behandelt z.B. LINNAINMAA (2003). Sie fin-
det als signifikantes Ergebnis, dass die Day Trader in Finnland für ihre Entschei-
dungen die ganze Lage des Limitorderbuchs berücksichtigen. Die integrierte
Volatilität für 5-minütliche Berechnungszeiträume analysieren SHU / ZHANG
(2003). Die Renditen und die Volatilität für 5-minütliche Zeiträume berechnen
ANDERSEN / BOLLERSLEV / DIEBOLD / EBENS (2001). Die genannten
Autoren zählen bei ihren Arbeiten vielfältige Probleme auf, die aufgrund der kur-
zen Zeitspanne in die gemessenen Parameter induziert werden. Dies sind z.B. die
Kursbewegung zwischen Geld- und Briefkursen oder die hohe Rechenintensität.
Eine längere Zeitspanne verwendet z.B. SCHWERT (1998). Er erachtet bei seiner
Analyse der Volatilitäten für den US-amerikanischen Aktienmarkt einen Zeitraum
von 15 Minuten als für die Beobachtung von Intraday-Renditen am sinn-
vollsten.246 Ebenfalls 15-minütige Zeiträume verwenden z.B. HSIEH (1991), AHN
/ BEA / CHAN (2001), SHU / ZHANG (2005). Auch BANDI / RUSSELL (2003)
kommen bei ihrer Suche nach dem optimalen Zeitintervall für die Volatilitäts-
messung auf eine Zeitspanne von 15 Minuten.247 BOSSAERTS / HILLION (1993)
nutzen für eine Optionsbewertung gleichfalls 15-minütige Volatilitäten für die
Black-Scholes-Formel.
x Die Verwendung dieses kurzen Zeitraums von 15 Minuten für die Bewertung der
Optionen wird auch durch die Handelspraxis gestützt. Die Marktteilnehmer und
246
Vgl. SCHWERT (1998), S. 74 und ARNOLD / HILLIARD / SCHWARTZ (2003), S. 9.
247
Vgl. BANDI / RUSSELL (2003), S. 18.
Modell der Erholungsfähigkeit 95
Als Ergebnis kann zusammengefasst werden, dass in geringem Maß aufgrund der Zeit-
gültigkeit limitierter Orders, aber insbesondere aus den statistischen Notwendigkeiten
für eine Schätzung der kurzfristigen Volatilität ein Zeitraum von 15 Minuten sinnvoll
ist. Dies wird auch durch die Beobachtungen des Handels an der Eurex gestützt.249
x Als erste Alternative bietet es sich an, als Aktienkurs den Midquote zu verwenden.
Der Vorteil läge darin, dass dadurch immer ein Kurs berücksichtigt würde, der
relativ fair die aktuelle Marktlage wiedergibt. Als Nachteil muss angeführt
werden, dass der Midquote kein Kurs ist, auf den unmittelbar gehandelt werden
könnte, womit letztlich eine Art von nicht realisierbarem Optionswert errechnet
würde. Die Fragwürdigkeit des Midquote als den Kurs, der die Marktlage am
besten wiedergibt, hat NORDÉN (2002) für den Schwedischen Optionsmarkt
offen gelegt. Aus seiner Empirie resultiert, dass Transaktionen für Calls im Durch-
schnitt signifikant näher zum Briefkurs getätigt werden, als der Midquote dies
erwarten lassen würde, und dass Puts näher am Geldkurs ausgeführt werden.251
248
Vgl. Anhang 9 für Optionspreise und Gebote am Geld 15 Minuten vor Optionsverfall.
Vgl. ARNOLD / HILLIARD / SCHWARTZ (2003), S. 3 die gegen Ende der Optionslaufzeit die
höchsten gehandelten Volumina beobachten. Sie finden für S&P 500 Indexoptionen, dass die
größten Volumina in den jeweiligen Kontrakten zwei Tage vor Verfall stattfinden.
249
Eine Erweiterung des vorliegenden Modells könnte an der Restlaufzeit der Option ansetzen.
250
Zunächst soll die Herleitung für einen Call vorgenommen werden. Analog lässt sich der
maximale Optionswert auch für einen Put berechnen.
251
Vgl. Nordén (2002), S. 2 ff.
96 Modell der Erholungsfähigkeit
x Als zweite Alternative besteht die Bezugnahme des Limits auf den letzten Trans-
aktionskurs, womit ein „historischer Optionswert“ berechnet wird. Der Vorteil
würde bei diesem Vorgehen darin liegen, dass der für die Optionswertberechnung
verwendete Aktienkurs durch den am Markt beobachtbaren Transaktionspreis ein-
deutig ist. Für dieses Vorgehen spricht auch die Entwicklung der Optionswerte bei
einer eingeschlagenen „kontinuierlichen“ Kursveränderung. Kommt es z.B. zu
steigenden Kursen, so fällt automatisch der Optionswert der bestehenden Kauf-
limits, der Put-Optionen. Ein Nachteil könnte entstehen, wenn der letzte Transak-
tionskurs nicht mehr innerhalb der aktuell vorherrschenden Geld-Brief-Spanne
liegt. Würde beispielsweise ein Verkaufsauftrag mit einem niedrigeren Limit als
der letzte Transaktionskurs erteilt, so müsste dies als eine Option im Geld mit ent-
sprechend hohem Optionswert interpretiert werden. Die nächste Transaktion im
Markt findet jedoch bei bestehender Orderbuchlage zum Geld oder Briefkurs statt.
In diesem Falle wäre es nicht möglich, den (subjektiven) Wert der Option zu
bestimmen, weil nicht bekannt ist, ob der Marktteilnehmer sich für die Erteilung
seiner limitierten Order an der Geld-Brief-Spanne oder dem letzten Transaktions-
kurs orientiert hat. Diese Unsicherheit würde sich in der Praxis nach Volatilitäts-
auktionen252 und bei illiquiden Aktien ergeben. Bei den DAX-Titeln wäre diese
Problematik nur untergeordnet.
x Die dritte Alternative resultiert aus dem Gedankengang der Berechnung des
Optionswertes, der in der Berücksichtigung des jeweils aktuellen, besten Geld-
oder Briefkurses liegt. Der Vorteil liegt darin, dass auf diese Weise ein zukünftiger
und realisierbarer Optionswert berechnet würde. Dabei erfolgt die nächste Trans-
aktion entweder zum besten Geld- oder Briefkurs und ist somit ausschlaggebend
für die Berechnung des Optionswertes.253 Es handelt sich also sowohl für neu
erscheinende als auch für bestehende Orders um tatsächlich realisierbare Options-
werte. Nachteilig wäre, dass die Terminologie der Optionspreise für den Wert
einer Option, nämlich im Geld, am Geld und aus dem Geld, nicht mehr anwendbar
wäre. Eine Option im Geld hat einen inneren Wert, der beispielsweise für eine
amerikanische Option jederzeit während der Laufzeit der Option realisiert werden
könnte. Ein limitiertes Gebot, das auf der besten Geld- oder Briefseite plaziert
wird, kann aber nur dann sofort ausgeführt werden, wenn es auf der gegenüberlie-
252
Vgl. für die Beschreibung einer Volatilitätsauktion Kapitel 4.4.
253
Dabei wird von der Möglichkeit abstrahiert, dass der nächste unlimitierte Kauf ein so großes
Volumen hat, dass mehrere Limitierungen abgeräumt würden. Es wird angenommen, dass die
nächste Transaktion entweder durch einen unlimitierten Auftrag oder durch eine zum Gebotspreis
limitierte Order ausgelöst wird.
Modell der Erholungsfähigkeit 97
genden Seite, also entsprechend schlechter mit einem bestehenden Limit gematcht
wird. Bei der Erteilung eines limitierten Auftrags könnte sich somit niemals ein
innerer Wert ergeben.254 Für einen handlungsbereiten Marktbeobachter, der Aktien
kaufen möchte, stellt der aktuell beste Briefkurs die Referenzgröße als Aktienkurs
für seine Optionsbewertung des Orderbuchs dar. Erscheint im Orderbuch ein
neues Verkaufsgebot, das tiefer liegt, so wird das von dem kaufwilligen Order-
buchbeobachter, im Vergleich zur bis dahin bestehenden Handlungsmöglichkeit,
als wertvollere Option bewertet. Analog erachtet dieser Marktbeobachter ein neues
Verkaufsgebot, das höher limitiert ist als geringwertigere Optionen. Im Falle eines
hohen Geld-Brief-Spreads würde es sich weiterhin als nachteilig erweisen, wenn
bei abwechselnd eintreffenden Kauf- und Verkaufsaufträgen sich auch der Wert
der beiden Orderbuchseiten oszillierend und deutlich verändern würde.
Midquote Letzte Transaktion Aktuelle Geld-Brief-
als Aktienkurs als Aktienkurs Spanne als Aktienkurs
Die besten Gebote am Markt, die Geld-Brief-Spanne, kann jederzeit für Transaktionen
genutzt werden. Es erscheint sinnvoll, diese für die Optionsbewertung von limitierten
Aufträgen zu verwenden, weil diese die aktuellste Situation des Marktes wiedergibt.
Im vorliegenden Modell wird entsprechend für alle 10 vorhandenen Verkaufsaufträge
der am niedrigsten limitierte Verkaufsauftrag als Aktienkurs für die Berechnung des
jeweiligen Call-Optionswertes verwendet. Die Höhe des limitierten Verkaufsauftrages
stellt den Basispreis dar, zu dem ein Marktteilnehmer die Option ausüben kann. Für
254
Außer der limitierte Auftrag wird so aufgegeben, dass er einen Teil des Orderbuchs auf der
gegenüberliegenden Seite abräumt. In diesem Fall stellt der limitierte Auftrag aber keine
Handlungsoption für andere Marktteilnehmer dar und fällt somit aus der Betrachtung der
Optionswerte für limitierte Gebote heraus.
98 Modell der Erholungsfähigkeit
255
Beispielsweise eine Verdoppelung des diskreten Jahreszinssatzes von 3% auf 6% würde bei einer
At the Money-Option (AtM-Option), Basispreis 13,00 Euro und aktueller Aktienkurs 13,00 Euro,
mit einer Restlaufzeit von 1 Tag und einer Volatilität von 50%, für den Call eine Erhöhung des
theoretischen Wertes von 0,37% bedeuten. Bei einer Halbierung auf 1,5% wäre die Veränderung
-0,19% (Quelle: Eigene Berechnungen).
Vgl. CARR / WU (2003b), S. 2584 für das Vorgehen, dass bei der Untersuchung von kurz-
laufenden Optionen der Zinssatz und die Dividende konstant oder mit null angenommen werden.
256
Vgl. MERTON (1980) der zeigt, dass die integrierte Varianz der Brownschen Bewegung
approximiert wird durch die hochfrequent erfasste Summe der quadrierten Intradayrenditen.
257
Beispielsweise eine Erhöhung der Volatilität von 50% auf 55%, bei einem Zinssatz von 3%
würde bei einer At the Money-Option (AtM-Option), Basispreis 13,00 Euro und aktueller
Aktienkurs 13,00 Euro, mit einer Restlaufzeit von 1 Tag für den Call eine Erhöhung des
theoretischen Wertes um 5,02% bedeuten. Bei einer Verringerung der Volatilität von 50% auf
45% wäre die Veränderung -5,9%. (Quelle: Eigene Berechnungen).
258
Für eine Diskussion über die Verwendung der impliziten oder historischen Volatilität siehe auch
BLACK / SCHOLES (1972a & 1972 b). Vgl. LATANE / RENDLEMAN (1976) für eine erste
empirische Untersuchung der impliziten Volatilität. Vgl. WHALEY (1982) der die implizite
Modell der Erholungsfähigkeit 99
x Der Vorteil der Anwendung der impliziten Volatilität ist, dass tatsächliche, am
Markt gehandelte Volatilitäten genutzt werden, womit insbesondere zum Ende der
Laufzeit der Option eine sehr praxisnahe Optionswertberechnung erfolgt. Bei der
Nutzung der impliziten Volatilität stellt sich das Phänomen der sog. Volatility
Smiles, der Beobachtung, dass Optionen in Abhängigkeit vom inneren Wert mit
unterschiedlichen Volatilitäten gehandelt werden.259 Die limitierten Gebote unter-
scheiden sich zumeist nur um wenige Cents. Dadurch ergibt sich praktisch für die
jeweils zehn vorhandenen Gebote ein identischer, innerer Wert. Der Volatility
Smile stellt sich damit als problemfrei dar. Die am Markt beobachtbaren unter-
schiedlichen impliziten Volatilitäten bei unterschiedlichen Laufzeiten stellen eben-
falls kein Problem dar, da es, wie bereits diskutiert, am sinnvollsten erscheint, nur
eine sehr kurze Gültigkeit der Orders zu modellieren. Für die umsatzschwächeren
DAX-Titel kommt es an der Eurex vergleichsweise seltener zu Transaktionen in
den geeigneten Optionsserien. Market-Maker stellen für diese Optionen zumeist
keine kontinuierlichen Gebote in das Orderbuch. Dadurch stehen keine impliziten
Volatilitäten zur Verfügung. Es ergibt sich ein weiterer negativer Aspekt für die
implizite Volatilität daraus, dass in der Handelspraxis am Optionsmarkt mit den
Verkäufern (Stillhaltern) von Optionen, sehr viele Marktteilnehmer darauf speku-
lieren, dass die Optionen wertlos verfallen. Dies fließt in die Berechnung der
impliziten Volatilität derart ein, dass die relativ großen Verkaufsgebote der insti-
tutionellen Verkäufer in der Regel von Market-Makern akzeptiert werden. Die
Market-Maker wollen die Calls oder Puts zumeist nur zu „günstigeren“ Kursen,
als den Fair Values nach Black-Scholes kaufen. Daraus resultiert wiederum bei
den Transaktionen eine implizite Volatilität, die niedriger ist, als es aus einer
Berechnung des nach Black-Scholes fairen Wertes gerechtfertigt erscheint.260 Bei
der Erteilung von limitierten Aufträgen im Xetra ist das Gegenteil der Fall: Die
Volatilität so schätzt, dass die Summe der quadrierten Abweichungen zwischen dem beobachteten
Marktpreis und dem errechneten Modellwert minimiert wird. Für die Berechnung der historischen
Volatilität vgl. KRITZMAN (1991), S. 22 ff. Für die Berechnung der impliziten Volatilität vgl.
BRENNER / SUBRAHMANYAM (1988).
259
Vgl. RUBINSTEIN (1994) für den Volatility Smile, dass In the Money-Optionen und Out of the
Money-Optionen eine höhere implizite Volatilität aufweisen als At the Money-Optionen.
260
Vgl. Nordén (2002), der empirisch belegt, dass Transaktionen im Schwedischen Optionsmarkt
zumeist nicht beim Mid-Quote liegen sondern näher an der Geldseite getätigt werden.
Vgl. LEDOIT / SANTA-CLARA / YAN (2002) die zeigen, dass die mit Black-Scholes berechne-
te implizite Volatilität einer Option am Geld dann ein konsistenter Schätzer für die aktuelle Vola-
tilität des zugrunde liegenden Wertpapiers ist, wenn die Restlaufzeit der Option gegen null geht.
100 Modell der Erholungsfähigkeit
Anbieter der Liquidität hoffen auf eine erhöhte Kursschwankung und ggf. eine
preisgünstige Ausführung der limitierten Gebote.
x Für die Berechnung der Optionswerte gibt es auch die Möglichkeit, die historische
Volatilität zu verwenden. Ihr Vorteil ist, dass sie anhand von real stattgefunden
Transaktionen errechnet wird und somit für alle Marktteilnehmer eindeutig zu be-
stimmen ist. Bei der historischen Volatilität stellt sich die Frage, ob gängige Maße
wie die 90-Tage oder die 30-Tage Volatilität verwendet werden, oder ob sehr
kurzfristige Maße wie die Tagesvolatilität oder sogar Intraday-Volatilitäten ange-
wandt werden sollen. Für Intraday-Volatilitäten würden empirische Untersuchun-
gen sprechen, die mit einer U-Form deutliche Muster der Volatilität im Intraday-
Handel feststellen, so dass gegebenenfalls bei der Volatilität auf mehrere Phasen
des Intraday-Handels eingegangen werden muss.261 Durch die Anwendung von In-
traday-Volatilitäten mit ihren beobachtbaren Verlaufsmustern würde sich aber die
Vergleichbarkeit, z.B. innerhalb einer Kalenderwoche262 oder zwischen Aktien mit
unterschiedlich stark ausgeprägten Intraday-Volatilitätsmustern, deutlich ver-
schlechtern. Die Berechnung der Intraday-Volatilitäten müsste zusätzlich zu dem
U-förmigen Verlauf der Volatilität berücksichtigen, dass die Aktien mit einer
hohen Transaktionsfrequenz für kurze Zeiträume wie 15-minütliche Intervalle
empirisch höhere Intraday-Volatilitäten aufweisen, obwohl sich für die untersuch-
ten Aktien aber gleiche Tagesvolatilitäten ergeben können.263 Zusätzlich zeigen
empirische Untersuchungen, dass eine Volatilität, die aufgrund von hochfrequen-
ten Aktiendaten berechnet wird, einen deutlich negativen Bias hat und nicht mehr
als konsistenter Schätzer für die Volatilität auf Tagesbasis angesehen werden
kann. Erst ab einem berücksichtigten Zeitraum von zwei bis drei Stunden ist dieser
Bias zumeist nicht mehr signifikant.264 Um eine stabile Volatilitätsschätzung zu
erhalten, die nicht von Intraday-Verläufen oder Wochentageseffekten beeinflusst
wird und um eine Vergleichbarkeit zwischen Wochentagen und verschiedenen
261
Vgl. NIEMEYER / SANDÅS (1995), S. 21, die aufgrund der Intradaymuster der Volatilität zu
der Aussage kommen, dass dadurch die Preise der Optionen innertäglich beeinflusst werden.
Vgl. WOOD / MC INISH / ORD (1985), HARRIS (1986), JAIN / JOH (1988), FOSTER /
VISWANATHAN (1993) die feststellen, dass Renditen und Volatilitäten deutliche Intraday-
muster aufweisen, mit zumeist höheren Werten zur Eröffnung und zum Schluss des Handels.
Die log.-Renditen für die Volatilitätsberechnung verwendet ENGLE (1996).
262
Vgl. für Wochentageffekte der Volatilität BEINERT / TRAUTMANN (1992) die für die DTB an
Freitagen eine niedriger implizite Volatilität für Calls messen.
263
Vgl. MURANAGA (2000), S. 7ff.
264
Vgl. CORSI / ZUMBACH / MÜLLER / DACOROGNA (2001), S. 4f.
Modell der Erholungsfähigkeit 101
2
1 n §¨ § St · § S ··
V ¦ ln¨¨ ¸¸ ln¨¨ t ¸¸ ¸ (3.1)
¨
n t 1 © St 1 ¹ © St 1 ¹ ¸¹
©
Erweiterungen des Modells können beispielsweise bei der Anzahl der für die Berech-
nung der historischen Volatilität genutzten Tage ansetzen.266
265
In der dargestellten Formel werden Renditen verwendet, womit die Anzahl der Beobachtungen n
ist. Falls Kurse verwendet werden, ist die benötigte Anzahl an Beobachtungen n +1.
266
Die Volatilität, die für die Berechnung des Optionswertes herangezogen wird, ist in der Praxis
von entscheidender Bedeutung. Dies ist ersichtlich an den Quote-Maschinen von Market-Makern.
Im Extremfall sind die in den Programmen eingestellten Volatilitäten so unterschiedlich, dass auf
eine Spanne, die ein Market-Maker in ein leeres Orderbuch einstellt, eine andere Quote-
Maschine sofort eine Transaktion auslöst.
102 Modell der Erholungsfähigkeit
tige Restlaufzeit der Option ein für die Black-Scholes-Formel nutzbarer Wert, aus-
gedrückt als Bruchteil eines Jahres, von 9,3214*10-5. 267
x Der Zinssatz i wird konstant mit dem Wert von 0% angenommen.
Mit diesen Parametern für die Berechnung des Call-Wertes C(KA), für den Briefkurs
(Ask) und des Put-Wertes P(KB) für den Geldkurs (Bid) gilt der Ansatz von Black-
Scholes wie folgt:
C K A SN d1 K A N d 2 (3.2)
§ S · 1 2
ln¨¨ ¸¸ V * 9,3214e 5
d1 © KA ¹ 2 (3.3)
V 9,3214e 5
d2 d1 V 9,3214e 5 (3.4)
P K B K B N d 4 SN d 3 (3.5)
§ S · 1 2
ln¨¨ ¸¸ V * 9,3214e 5
d3 © KB ¹ 2 (3.6)
V 9,3214e 5
d4 d 3 V 9,3214e 5 (3.7)
Der Optionswert eines einzelnen limitierten Auftrags errechnet sich pro Aktie für
einen Call anhand der Formel (3.2). Der Optionswert des gesamten limitierten Auf-
tragsvolumens ergibt sich für einen Call aus der Multiplikation mit der Stückzahl (x).
267
Vgl. dazu FRANKE / HÄRDLE / HAFNER (2001) für die Verwendung der Handelszeit im
Gegensatz zur Möglichkeit, das gesamte Kalenderjahr zu verwenden.
Modell der Erholungsfähigkeit 103
Nach der Diskussion und Darstellung der Berechnung der Optionswerte für einen limi-
tierten Auftrag schließt sich für das Modell der Gedankengang an, ob für den Options-
wert ein Maximum oder ein Minimum errechnet werden kann.
Wenn ein limitierter Auftrag eine bestimmte Distanz zum aktuellen Aktienkurs über-
schreitet, dann wird sein Optionswert ökonomisch irrelevant. Es wird angenommen,
268
Unlimitierte Gebote stellen den höchsten Transaktionswunsch dar. Auf diese kann kein Marktteil-
nehmer reagieren oder sie als Handlungsmöglichkeit nutzen, so dass sie für die Berechnung des
maximalen Optionswertes nicht herangezogen werden.
104 Modell der Erholungsfähigkeit
das dies dann der Fall ist, wenn nach Black-Scholes ein Optionswert resultiert, der als
Prozentsatz des aktuellen Aktienkurses einen Wert aufweist, der erst für die dritte
Nachkommastelle ungleich null ist. Mit ı [6,25%; 169,5%] ergibt sich:
Ein limitiertes Verkaufsgebot pro Aktie, das zum aktuell bestehenden Geldkurs mehr
als 100,03% entfernt ist, weist bei der niedrigsten angenommenen Volatilität von
6,25% einen Wert von weniger als 0,00% des entsprechenden Aktienkurses auf. Bei
der höchsten angenommenen Volatilität von 169,5% ergibt sich ab einem Limit, das
bei 103,55% oder mehr des Aktienkurses liegt, ein Optionswert von weniger als
0,00% pro Aktie. Für die Minima der limitierten Verkaufsgebote ergeben sich analog
die identischen Grenzwerte.
Das Maximum für den Optionswert ergibt sich für ein Verkaufslimit dann, wenn das
Gebot bis auf einen Tick an den bestehenden besten Geldkurs angenähert wird. Bei
einem durchschnittlichen Aktienkurs in Höhe von 36,79 Euro270 in 2003 für die
beobachteten DAX-Werte entspricht die Entfernung von einem Tick, entsprechend
einem Cent, einem Wert von 0,027% des Aktienkurses. Diese durchschnittlich ange-
nommene minimale Distanz von 0,027% ergibt bei der niedrigsten angenommenen
Volatilität von 6,25% einen angebotenen Optionswert pro Aktie von ca. 0,13%. Bei
der höchsten angenommenen Volatilität von 169,5% ergibt sich für ein so aggressiv
erteiltes Limit ein Optionswert von ca. 0,64%. Für die maximalen Optionswerte er-
geben sich für die Kauflimits mit dem analogen Vorgehen identische Grenzwerte.
Diese Diskussion der Extremata des Optionswertes, die pro Aktie angeboten werden,
verdeutlicht, dass die Marktteilnehmer vor allem in Zeiten sehr geringer Volatilität
kaum eine Analyse des Orderbuchs hinsichtlich der zur Verfügung gestellten Options-
werte vornehmen. Dies kann auch für Aktien mit durchschnittlich hohen Volatilitäten
gelten, bei denen ein Orderbuch vorliegt, in dem nur niedrige Volumina existieren. In
269
Vgl. für die Berechnung Anhang 2.
270
Vgl. für diese Berechnung Tabelle 4-3.
271
Vgl. für die Berechnung Anhang 3.
Modell der Erholungsfähigkeit 105
diesem Fall kann der Marktbeobachter seine Profitmöglichkeiten auch durch entspre-
chend hohe Volumina nicht in wirtschaftlich relevante Dimensionen bringen.
272
GLOSTEN (1994) geht in seiner Arbeit über den rein deskriptiven Teil hinaus und nutzt die
grafische Darstellung zur Bestimmung eines Marktgleichgewichts.
106 Modell der Erholungsfähigkeit
200.000 200.000
kumulierte Stückzahlen
kumulierte Stückzahlen
150.000 150.000
100.000 100.000
50.000 50.000
0 0
,9 8
,0 0
,0 2
,0 4
,0 7
,1 0
,1 2
,1 4
,1 6
,1 8
6
,1
,1
,2
,2
,2
,2
,3
,3
,3
,3
10
10
10
10
10
10
10
10
10
10
13
14
14
14
14
14
14
14
14
14
Aktienkurs Aktienkurs
273
Dieser Datensatz ist das optimale gefundene Beispiel des Jahres 2003, bei dem die grafische Lage
des Orderbuchs in den diskutierten Kriterien derart gut übereinstimmt.
Modell der Erholungsfähigkeit 107
Optionsbewertetes Orderbuch bei niedriger Volatilität Optionsbewertetes Orderbuch bei hoher Volatilität
2.000 2.000
1.800 1.800
kumulierter Optioniswert in Euro
1.400 1.400
1.200 1.200
1.000 1.000
800 800
600 600
400 400
200 200
0 -
6
8
,1
,1
,2
,2
,2
,2
,3
,3
,3
,3
,9
,0
,0
,0
,0
,1
,1
,1
,1
,1
10
10
10
10
10
10
10
10
10
10
13
14
14
14
14
14
14
14
14
14
Aktienkurs Aktienkurs
Analog errechnet sich für die im Orderbuch befindlichen Kaufaufträge der summierte
Put-Optionswert Pt.
Durch dieses Vorgehen ist es möglich, für jede Seite des Orderbuchs einen Options-
wert zu berechnen. Die absolute Höhe des Optionswertes kann herangezogen werden,
um die limitierten Gebote einer einzelnen Aktie im Zeitablauf oder in Phasen unter-
schiedlicher Volatilitäten zu beurteilen. Um den Optionswert z.B. der ersten Stelle auf
der Geldseite mit dem von anderen Aktien vergleichen zu können, ist es notwendig,
die Optionswerte zu relativieren. Dafür wird ein einzelner Optionswert ins Verhältnis
274
Vgl. HEDVALL / NIEMEYER (1997) für die Finnische Börse, wo in 42% der beobachteten
Transaktionen an zwei aufeinander folgenden Trades jeweils der selbe Broker beteiligt ist. Dies
interpretieren sie als deutliches Zeichen für die Existenz von Order-Splitting.
275
Vgl. SEPPI (1997), S. 105.
Vgl. NIEMEYER / SANDÅS (1995), BIAIS / HILLION / SPATT (1995) und GLOSTEN (1995)
für den großen Liquiditätsbeitrag einzelner Limits die nicht an die erste Stelle platziert werden.
276
Vgl. SCHMIDT / KÜSTER SIMIû (1998), für ein analoges Vorgehen für die Beurteilung der
Preisaggressivität von limitierten Aufträgen.
Modell der Erholungsfähigkeit 109
277
Vgl. PENNINGS / KUIPER / TER HOFSTEDE / MEULENBERG (1998), die für eine Klas-
sifizierung des Orderbuchs eine Gomperts-Funktion nutzen. Der Vorteil diese Funktion ist, dass
sie grafische Ähnlichkeiten mit dem Kurvenverlauf aufweist, der in empirischen Analysen einer
Seite des Limitorderbuchs zahlreich beobachtet wurde. Vgl. BAMBERG / BAUR (1989), S. 46,
für eine Gomperts-Funktion, die sie auch S-förmige Wachstumsfunktion nennen.
Vgl. DEGRYSE / DEJONG / VAN RAVENSWAAIJ / WUYTS (2002), die eine Einteilung in
Dezile vornehmen. Vgl. BLEYMÜLLER / GEHLERT / GÜLICHER (2002), S.24 für die
Definition von Dezilen: „Quantile .. teilen die Gesamtheit in gleich große Teilgesamtheiten auf.“
278
Vgl. CORDELLA / FOUCAULT (1997 / 1999), HOLLIFIELD / MILLER / SANDÅS / SLIVE
(2001), FOUCAULT / KADAN / KANDEL (2001) für die Ankunftsrate von neuen Orders.
Vgl. EASLEY / KIEFER / O’HARA / PAPERMAN (1996) für die Ankunftsrate von neuen
Informationen.
279
Vgl. SCHLAG / STOLL (2005) die für den Optionsmarkt der DAX-Titel feststellen, dass der
überwiegende Teil der Transaktionen in Optionen nicht informationsbedingt, sondern liquiditäts-
getrieben, also ohne bessere Informationen oder Insiderwissen initiiert ist.
110 Modell der Erholungsfähigkeit
Nach der erfolgten Modellierung des ersten wichtigen Faktors für die Erholungsfähig-
keit, der Volatilität, folgt die Modellierung des zweiten entscheidenden Modellbau-
steins, dem Gleichgewicht einer Orderbuchsituation.
3.3 Gleichgewichtsmodell
Ziel dieses Kapitels ist es, ein Modell für ein partielles Gleichgewicht280 zu entwi-
ckeln. Dieses soll im empirischen Teil genutzt werden, um zu bestimmen, ob ein
Gleichgewicht im offenen Orderbuch im Xetra vorliegt. Die Entwicklung des Gleich-
gewichtmodells muss die Liquiditätsaspekte einbeziehen, die für die Bestimmung der
Erholungsfähigkeit und somit dem Fortgang der Arbeit dienlich sind. Zahlreichen
Gleichgewichtsmodellen ist gemeinsam, dass sie z.B. die Informationseffizienz281 be-
achten. Dabei gehen sie zumeist auf die Strenge Informationseffizienz ein, bei der im
Gleichgewicht alle Informationen verarbeitet sind. Dies wird für die vorliegende Defi-
nition des Gleichgewichts nicht berücksichtigt, weil die Frage der Existenz von
Insidern oder Noise Tradern nicht diskutiert wird. Ein Gleichgewicht der Orderbuch-
lage wird lediglich für die Bestimmung des Anfangspunktes und des Endpunktes der
Erholungsfähigkeit benötigt. Für die Definition des Gleichgewichts greift das ent-
wickelte Modell maßgeblich auf den Handlungswillen auf beiden Seiten des Order-
buchs zurück.
280
Vgl. GOETTLER / PARLOUR / RAJAN (2005) für ein partielles Gleichgewicht. Sie verstehen
darunter ein Gleichgewicht, in dem sich lediglich der Preis für eine einzelne Aktie ändert. Alle
anderen Preise bleiben konstant. Als prominentes Beispiel für ein partielles Gleichgewicht führen
sie die Theorie von Marshall an, mit Angebot und Nachfrage für ein Gut.
281
Vgl. FAMA (1963), der in die Schwache, Mittelstrenge und Strenge Informationseffizienz unter-
teilt. Bei der Strengen Informationseffizienz sind in den Kursen alle öffentlichen und nicht
öffentlichen Informationen enthalten. Die erzielbare Rendite entspricht der Gleichgewichtsrendite
gemäß dem Risiko des Wertpapiers.
282
Vgl. KEMPF / KORN (1997), ENGLE / LANGE (1997) für diese Überlegung, dass sich Preise
aufgrund des netto Ungleichgewichts zwischen Kauf- und Verkaufsaufträgen ändern und nicht
aufgrund von Handelsvolumina.
Modell der Erholungsfähigkeit 111
sichtlich der zur Verfügung gestellten Optionswerte charakterisiert werden. Die Fort-
führung dieser Überlegungen stellt die Berücksichtigung beider Seiten des Orderbuchs
dar.283 Durch die Berechnung der kumulierten Optionswerte für beide Seiten des
Orderbuchs kann die gesamte Lage des Orderbuchs durch zwei Kennzahlen, Ct und Pt
und ihre Relation zueinander, beschrieben werden. Daraus resultiert die Überlegung,
aus diesen zwei Größen eine Kenngröße für die Charakterisierung des vollständigen
Orderbuchs zu entwickeln, die Spannung. Mit der Einführung dieses neuen Begriffs
werden folgende Ziele verfolgt:
In der vorliegenden Arbeit wird die Spannung pro Zeitintervall definiert, indem die
Differenz zwischen dem höheren und dem niedrigeren Optionswert der beiden Order-
buchseiten gebildet wird. Diese Differenz der Optionswerte wird relativiert, indem sie
283
Vgl. CHORDIA / ROLL / SUBRAHMANYAM (2001), S. 7. Sie errechnen ein Orderungleich-
gewicht mit der Anzahl der käuferinitiierten Transaktionen abzüglich der Anzahl der verkäufer-
initiierten Transaktionen.
284
Vgl. MURANAGA (2000) für den Markt in Tokio oder die Deutsche Börse AG die mit dem
Market Impact das „absolute Transaktionsinteresse“ der Marktteilnehmer charakterisieren.
285
Vgl. BENSTON / IRVINE / KANDEL (2000) für die Prognose des Orderflusses indem sie für
die Lage des Orderbuchs die Round Trip Kosten berechnen. Dadurch berücksichtigen sie die
besten Geld-Brief-Kurse und auch noch die Limitierungen, welche tiefer im Orderbuch liegen.
Die Volatilität wird dabei nicht berücksichtigt.
112 Modell der Erholungsfähigkeit
durch den geringeren der beiden Optionsseitenwerte dividiert wird.286 Als Formel für
die so definierte und in Prozent ausgedrückte Spannung (Sp) resultiert:287
Somit wird für die Spannung ein Wert errechnet, der ausdrückt, wie stark die Seite mit
dem höheren Optionswert die andere übertrifft. Die so berechnete Spannung ist ohne
mathematisches Vorzeichen. Das Ziel des Spannungsmaßes ist es nicht, die Liquidi-
tätsdeterminanten Marktbreite und Markttiefe zu ersetzen, sondern einen ergänzenden
Beitrag für die Modellierung und Messung der Erholungsfähigkeit zu liefern.
Für den Optionswert jeder Seite existiert eine Untergrenze von null, wenn beide Seiten
des Orderbuchs leer sind (vgl. Kapitel 3.2.6.2).288 Daraus ergibt sich das Minimum für
die Spannung, die in diesem Fall auch einen Minimalwert von null besitzt. Ein Wert
von null resultiert dann für die Spannung, wenn beide Seiten des Buches einen identi-
schen Optionswert aufweisen. Die höchsten Werte für die Spannung werden sich dann
ergeben, wenn eine Seite des Orderbuchs nur durch ein unbedeutendes Limit einen
sehr geringen Optionswert hat, womit es annähernd zu einer Division durch null
kommt.
Der Vorteil der so berechneten Spannung ist, dass bei der Berechnung der einzelnen
Optionspreise alle aktuellen Marktbewegungen, wie z.B. der letzte Transaktionspreis,
die Nähe der limitierten Aufträge zum letzten Kurs oder die Volatilität in die Berech-
nung eingehen. So kann mit einer einzigen Kennzahl eine Aussage zum Status Quo
des Orderbuchs getroffen werden, die für beide Orderbuchseiten den Unterschied der
286
Vgl. KEMPF / KORN (1997), S. 20 für ein analoges Vorgehen bezüglich dem Verhältnis der
Volumina im Orderbuch.
287
Vgl. HARRIS (1987) oder SCHMIDT / KÜSTER SIMIû (1998) für ein ähnlich formales
Vorgehen für die Charakterisierung der Attraktivität einer limitierten Order.
288
Vgl. SCHMIDT / KÜSTER SIMIû (1998) für strategische Orderplazierung in einem leeren
Orderbuch, in dem kein Marktteilnehmer anhand der Orderbuchlage Gewinn erzielen kann. Es ist
profitabel ein hohes Verkaufslimit einzugeben und auf die Ankunft einer unlimitierten Kauforder
zu hoffen. Ein weiterer Akteur kann strategisch reagieren, indem er das bestehende, hohe
Brieflimit um einen Tick unterbietet oder ein niedriges Kauflimit einstellt. Dieser Mechanismus
des Unter- und Überbietens hält an, bis sich die Geld-Brief-Spanne auf einem Niveau einpendelt,
bei dem keiner der Marktteilnehmer durch strategische Orderplazierung einen Gewinn erwartet.
Modell der Erholungsfähigkeit 113
16
14
12
10
0
10
30
51
09
27
46
02
21
42
12
53
19
50
11
31
48
01
14
29
45
03
20
40
11
21
0
6
5
3
9:0
9:1
9:3
9:5
10:
10:
10:
11:
11:
11:
12:
12:
12:
13:
13:
14:
14:
15:
15:
15:
16:
16:
16:
16:
17:
17:
17:
18:
19:
Die Darstellung der Spannung, für die eine zeitliche Glättung von drei Minuten vorge-
nommen wird, liefert grafisch folgendes Resultat:
114 Modell der Erholungsfähigkeit
28
15
36
59
16
35
54
13
37
02
47
14
49
11
32
50
03
18
34
51
11
56
51
7
7
5
0
9:1
9:0
9:3
9:5
10:
10:
11:
11:
11:
12:
12:
13:
13:
14:
14:
15:
15:
15:
16:
16:
16:
16:
17:
17:
17:
18:
10:
Die hier erfolgte Modellierung der Spannung wird im nächsten Schritt genutzt, um ein
Gleichgewicht zu bestimmen.
289
Vgl. Fußnote 102 für eine weitere Erklärung des Nash Gleichgewichts.
290
Vgl. GLOSTEN (1994), CHAKRAVARTY / HOLDEN (1995); CORDELLA / FOUCAULT
(1997) für eine Definition des Gleichgewichts über diese Funktion, dass kein Marktteilnehmer
aufgrund der diskutierten Situation außerordentliche, risikofreie Gewinne erzielen kann.
Modell der Erholungsfähigkeit 115
291
Vgl. EASLEY / O’HARA (1992). Unabhängig davon muss immer ein Mindestmaß an Noise
Tradern vorhanden sein, so dass es überhaupt zu Kursveränderungen und dann entsprechend
einem neuen Gleichgewicht kommen kann.
292
Vgl. FREIHUBE / KEHR / KRAHNEN / THEISSEN (1998) für einen Ansatz zur Definition
eines Gleichgewichts anhand der Stabilisierungsrate. Sie bestimmen dieses über die Ankunft von
unlimitierten Aufträgen, die einer außerordentlichen Kursbewegung entgegenwirken.
293
Vgl. FOUCAULT / KADAN / KANDEL (2001) für den Reservationsspread bei Aktienkursen,
bis zu denen Transaktionen noch profitabel sind und durchgeführt werden.
Vgl. CORDELLA / FOUCAULT (1997), die davon ausgehen, dass durch die Risikoaversion von
Akteuren und eine asymmetrische Informationsverteilung eine Differenz eröffnet wird zwischen
dem erwarteten Reservationspreis des Akteurs und seinem erwarteten Wert für das Papier.
294
Vgl. CHIANG (1984), S. 35 ff für die Definition von kurzfristigen ökonomischen Gewinnen.
295
Vgl. SCHMIDT / KÜSTER SIMIû (1998) für empirische Ergebnisse zu Handelsstrategien für
den IBIS wenn im offenen Orderbuch große, attraktive limitierte Aufträge eingestellt werden.
116 Modell der Erholungsfähigkeit
RSp = [0 ; 2] (3.11)
Die Spannung als eines der beiden Definitionselemente des Gleichgewichts weist
somit keine direkte Relation zur Volatilität oder zu einem bestimmten Zeitfenster auf.
Die Volatilität und die Zeit werden mit der zweiten Gleichgewichtskomponente, den
Anforderungen an die Kursbewegung, berücksichtigt.
296
Entsprechend der Formel (3.11) führt ein Maximalwert, der dreifach so groß ist wie der
Minimalwert zu einer Spannung von 2.
297
Ohne Berücksichtigung eines Korridors für die Bewegung des Aktienkurses käme es bereits
durch den Bid-Ask-Bounce zu Kursbewegungen, die beachtet werden müssten.
Vgl. GLOSTEN (1994) für die Überlegung, dass eine Dynamik des Handels erst dadurch ent-
steht, dass es transitorische Ungleichgewichte gibt zwischen Angebot und Nachfrage, welche aus
unterschiedlichen Bewertungen oder einem unterschiedlich aggressiven Handel resultieren.
Modell der Erholungsfähigkeit 117
limit oder ein niedriger Kaufauftrag ausgeführt würde, die Aktie später auf ihren ur-
sprünglichen Gleichgewichtskurs zurückkäme und der limitiert Agierende somit einen
Gewinn erzielt hätte. Der Grenzpreis, bis zu dem von Akteuren Transaktionen als pro-
fitabel erachtet werden, wird durch den Korridor der Reservationskursbewegung be-
stimmt.298 Im Modell wird die Annahme getroffen, dass sich die Schwankungsbreite
des Aktienkurses in einem Gleichgewichtsband, der Reservationskursbewegung, von
plus oder minus einem Sigma um den absoluten Betrag der relativen Performance des
Aktienkurses bewegen darf. Hierfür wird eine annualisierte Standardabweichung an-
hand der Schlusskurse der letzten 30 Handelstage berechnet ıAktie 15 Min., die auf 15
Minuten skaliert wird. Der Vorteil ist, dass dadurch statistisch ca. 68,27% der Kursbe-
wegungen innerhalb der Gleichgewichtsbandbreite liegen.299
Die Reservationskursbewegung (RK) ist definiert:
Bewegt sich die Aktie innerhalb dieses Bandes, so ist dies eine der notwendigen Vor-
aussetzungen, die vor dem Start der außerordentlichen Kursbewegung und im An-
schluss daran erfüllt sein muss, so dass vom Vorliegen einer vollständigen Erholungs-
bewegung gesprochen werden kann.
Erweiterungen des Modells könnten bei der Kursbewegung ansetzen und diese durch
die Bereinigung um die zeitgleiche Performance des zugehörigen Index relativieren.
Dies könnte fortgeführt werden durch eine Berücksichtigung der Branchenbewegung
bzw. der aktienspezifischen Betas.300
298
Vgl. FOUCAULT / KADAN / KANDEL (2001) für dieses Vorgehen.
299
Vgl. BLEYMÜLLER / GEHLERT / GÜLICHER (2002), S. 61 ff. Bei zwei Sigma würde für ca.
95,45% der Beobachtungen die notwendige Bedingung der Kursstabilität für ein Gleichgewicht
erfüllt sein. Die Deutsche Telekom beispielsweise, die in 2003 ca. 5.000 Transaktionen pro Tag
aufweist, hätte pro Tag lediglich ca. 230 Beobachtungen außerhalb des Gleichgewichtsbandes,
womit sich die Aktie praktisch fast kontinuierlich im Gleichgewicht befinden würde.
300
Vgl. FABOZZI / MA / CHITTENDEN / PACE (1995) für dieses Vorgehen der Bereinigung der
Aktienrendite um die Marktrendite.
Die Berücksichtigung von Indexbewegungen erscheint aufgrund der einfachen Arbitrage-
möglichkeiten im Xetra praxisrelevant. Eine Erweiterung des Modells könnte dadurch erfolgen,
dass die Kursbewegung der einzelnen Aktie nicht um die Marktrendite bereinigt wird, sondern
jeweils um die Bewegung des zugehörigen Branchenindizes bzw. die aktienspezifischen Betas
berücksichtigt werden. Im Weiteren wird dieses Vorgehen nicht angewendet, um die Komplexität
der Empirie nicht zu erhöhen.
118 Modell der Erholungsfähigkeit
301
In Phasen mit starken Veränderungen der Aktienkurse ist zu erwarten, dass auch die Spannung
deutlicheren Schwankungen unterliegt. Diese wird nicht in Abhängigkeit der Volatilität
modelliert. Vgl. FOUCAULT (1998), der in seinem Gleichgewichtsmodell davon ausgeht, dass
sich im Gleichgewicht die Geld-Brief-Spanne weitet, wenn sich die Volatilität erhöht.
Modell der Erholungsfähigkeit 119
Als Nachteil für dieses Gleichgewichtsmodell bleibt festzustellen, dass der zugehörige
Algorithmus programmiertechnisch sehr komplex in der Umsetzung ist. Der aus-
schlaggebende Vorteil für diese entwickelte Modellierung des Gleichgewichts ist, dass
nicht, wie in vielen anderen Gleichgewichtsmodellen, nur eine Fokussierung auf die
Geld-Brief-Spanne erfolgt. Zusätzlich zu der Spanne werden die gesamte Orderbuch-
tiefe, der Verlauf des Aktienkurses sowie die Volatilität berücksichtigt.
302
Vgl. HOLTHAUSEN / LEFTWICH / MAYERS (1987) für sehr vereinfachte Verfahren, die in
einer Ereignisstudie zu Blocktransaktionen als Gleichgewichtspreis den letzten Kurs vor der
Blocktransaktion und den Schlusskurs des Tages verwenden.
120 Modell der Erholungsfähigkeit
MQt PV ,t V
XLM V ,t V 10.000 * (3.15)
MQt
V = Ordergröße
MQt = Quote Midpoint zum Zeitpunkt t
PK,t(V) = gewichteter Durchschnittskurs einer käuferinitiierten Transaktion
in t
PV,t(V) = gewichteter Durchschnittskurs einer verkäuferinitiierten Transak-
tion in t
303
Vgl. BENSTON / IRVINE / KANDEL (2000) für eine Gleichgewichtsdefinition mit Round Trip
Kosten.
304
Vgl. ROLL (1984), der Ausübungstageffekte mit unterschiedlichen Massen für den Market
Impact untersucht.
Vgl. Deutsche Börse AG (2001), S. 3. Dort wird der Market Impact Kosten zusammengesetzt aus
der Liquiditätsprämie, die bei Transaktionen bezahlt wird und den Adversen Preiseffekten.
305
Vgl. GOMBER / SCHWEICKERT (2002), S 91 für die Zusammensetzung der impliziten Trans-
aktionskosten aus Market Impact-Kosten zuzüglich Timing-Kosten und Opportunitätskosten.
306
Vgl. GOMBER / SCHWEICKERT / THEISSEN (2004), S. 6.
Modell der Erholungsfähigkeit 121
Das XLM-Maß ist die in Basispunkten ausgedrückte Summe des Market Impact auf
der Geld- und Briefseite des Orderbuchs. Es kann für beliebige Volumina berechnet
werden. GOMBER et al. (2004) nutzen dieses Liquiditätsmaß, um die Erholungsfähig-
keit eines Marktes zu messen. Als vorteilhaft für dieses Maß führt die Deutsche Börse
AG an: „Das Xetra Liquiditätsmaß verbessert als Benchmark die Transparenz in der
Order Execution ... vor der Order Execution liefert es wertvolle Hinweise für die Beur-
teilung der aktuellen Liquidität relativ zu der historischen und damit für das Timing
von Orderplazierungen.“307 Ihr Vorgehen hat vier Nachteile:
x Die Volatilität wird nicht berücksichtigt. Das XLM-Mass kann sowohl in einer
ruhigen als auch einer hoch volatilen Phase den gleichen Wert aufweisen, ohne die
Kursdynamik, die aus der Volatilität resultieren kann, abzubilden.
x Das XLM-Maß stellt in der Art seiner Berechnung eine Zeitpunktbetrachtung dar.
Die Transaktionskosten werden jeweils nur als Momentaufnahme berechnet, ohne
diese in einen dynamischen oder zeitlichen Kontext zu stellen.
x Eine Berücksichtigung der Kursbewegung findet nicht statt. Der Kurs der Aktie
könnte sich noch in einer dynamischen Auf- oder Abwärtsbewegung befinden, die
durch rege Handelsaktivitäten in Form von einer großen Anzahl von limitierten
Geboten begleitet ist. Dabei ergibt das XLM-Maß niedrige Transaktionskosten.
Aufgrund der anhaltenden Kursbewegung kann aber nicht davon ausgegangen
werden, dass der Markt ein Gleichgewicht gefunden hätte.
x Bei der Berechnung des XLM-Maßes geht es primär lediglich um die Berechnung
der Transaktionskosten.
Mit dem XLM-Maß kann eine durchschnittliche Situation des Orderbuchs berechnet
werden (vgl. Tabelle 4-10), die für die folgende Untersuchung als Approximation für
eine Gleichgewichtssituation im Orderbuch dienen soll.
Die Integration der Volatilität, als erster elementarer Bestandteil, und des Gleichge-
wichts, als zweiter Baustein für die Modellierung der Erholungsfähigkeit, ist bis zu
diesem Punkt der Arbeit erfolgt. Die Spannung, die auf der Basis von Optionswerten
berechnet wird, muss innerhalb der Bandbreite von null bis zwei liegen. Die Kursbe-
wegung darf keine Volatilität höher als ein Sigma308 aufweisen. Die Zeitspanne, in der
diese beiden Bedingungen erfüllt sein müssen, ist abhängig von der kurzfristigen
307
Deutsche Börse AG (2005), S. 5.
308
Sigma steht in der vorliegenden Arbeit für die 15-minütige Volatilität, gemessen innerhalb von 15
Minuten, die auf Jahresbasis hoch skaliert ist.
122 Modell der Erholungsfähigkeit
Volatilität. Es schließt sich die Einbeziehung der Zeitkomponente, als drittes Element,
an.
309
Ausnahmesituationen, in denen keine Marktbreite- und tiefe errechnet werden können, sind
Auktionen, bei denen die Orderbuchtiefe nicht ersichtlich ist.
310
Vgl. FERNANDEZ (1999), der für die Erholungsfähigkeit davon spricht, dass diese, wenn sie im
normalen Handelsverlauf gemessen wird, nur eine geringe Aussagekraft über die mögliche
Markttiefe für außergewöhnliche Situationen liefert.
Vgl. MURANAGA / SHIMIZU (1999), die in ihrer Untersuchung ebenfalls einen Schwerpunkt
auf die Zeitkomponente legen, bis sich die Geld-Brief-Spanne und das Volumen nach einer
außerordentlichen Kursbewegung auf einen „normalen“ Level einspielen.
Modell der Erholungsfähigkeit 123
77,50 6,00
76,50 3,00
Aktienkurs
Spannung
2,00
76,00
1,00
75,50 -
Reservationsspannung [0,2]
-1,00
75,00
Aktienkurs -2,00
Spannung
74,50 -3,00
09:30
09:32
09:34
09:36
09:38
09:40
09:42
09:44
09:46
09:48
09:50
09:52
09:54
09:56
09:58
10:00
10:02
10:04
10:06
10:08
10:10
10:12
10:14
10:16
10:18
10:20
10:22
10:24
10:26
10:28
10:30
10:32
10:34
10:36
10:38
10:40
10:42
Zeit
311
Vgl. NOACK (2004), S. 12 ff. für die Beschreibung des Ablaufs der Veröffentlichung von Ad-
hoc-Meldungen. Er stellt dar, dass einerseits durch Medien wie www.dgap.com eine Veröffen-
tlichung in Echtzeit erreicht wird, andererseits kommt es durch die Vielzahl an neuen
Informationsmedien für die Unternehmenspublizität zu einer Zersplitterung.
124 Modell der Erholungsfähigkeit
ist, dass diese Nachrichten per Definition eine erhebliche Relevanz für das Unter-
nehmen haben müssen, und dass diese allen Marktteilnehmern zur gleichen Zeit vor-
liegen.312 Der Zeitpunkt, zu dem diese Meldungen den Kurs beeinflussen, ist somit
exakt bestimmbar. Ein alternatives Vorgehen könnte sein, die Aktie dann auszu-
schließen, wenn sie z.B. in einer Reuters Headline genannt wird. Dieses Vorgehen
wirft die Fragen auf, ob die Nennung in einer Reuters Headline auch Kursrelevanz
besitzt und, ob Reuters als Standard für die primäre Informationsgenerierung der
Marktteilnehmer erachtet werden kann.313
Neben diesem Filter für die Höhe einer Preisbewegung ist es zweckmäßig für das
Modell zu fordern, dass es sich um einen raschen Kursausschlag und nicht um eine
kontinuierliche, länger währende Bewegung handelt. Erst wenn eine starke, zügige
Bewegung ohne neue Informationen stattfindet, kann angenommen werden, dass diese
hauptsächlich liquiditätsbedingt ist. Hierfür muss ein geeignetes Untersuchungszeit-
fenster definiert werden. Um liquiditätsbedingte Situationen zu erfassen, ist es von
Vorteil, einen relativ kurzen Zeitraum zu verwenden. Für eine lange Kursbewegung,
die sich über z.B. 60 Minuten hinzieht, kann angenommen werden, dass diese nicht
mehr aufgrund der Lage des Orderbuchs entsteht. Gegen eine kurze Zeitspanne von
z.B. fünf Minuten spricht die Wahrscheinlichkeit, dass es nur wenige Ergebnisse mit
einem Kursausschlag größer als ein Sigma gibt. Es ist somit sinnvoll, ein Zeitfenster
von 15 Minuten zu verwenden, womit auch eine Übereinstimmung mit der modellier-
ten Restlaufzeit der Optionen besteht, die für die Optionsbewertung der limitierten
Aufträge herangezogen wird. Dadurch bleibt die Grundannahme gewahrt, die Model-
lierung kurzfristiger Liquiditätsaspekte. Wenn sich an dieses 15-minütige Intervall
unmittelbar eine weitere Kursbewegung von mehr als 0,5 Sigma ebenfalls in einer
Zeitspanne von bis zu 15 Minuten anschließt, so wird dieses zweite Zeitfenster auch
berücksichtigt. Daraus folgt, dass auch Kursbewegungen von bis zu 30 Minuten mit
einem sehr hohen Kursausschlag von mehr als 1,5 Sigma erfasst werden.
In das Modell der Erholungsfähigkeit werden außerordentliche Kursbewegungen nicht
mit einbezogen, an die sich eine Volatilitätsauktion314 anschließt. Diese Auktionen
haben das Ziel, dass der Markt durch die Handelsunterbrechung Zeit hat, alle Informa-
tionen zu verarbeiten. Es kann davon ausgegangen werden, dass eine Volatilitätsauk-
tion, für sich selbst betrachtet, für handelsmotivierte Marktteilnehmer bereits als be-
deutende Information gewertet werden kann und somit auszuschließen ist. Dies gilt
312
Vgl. Wertpapierhandelsgesetz (2005), § 15 Ad Hoc Publizitätspflicht.
313
GOMBER / SCHWEICKERT / THEISSEN (2004) setzen in ihrer Empirie dann eine neue Infor-
mation voraus, wenn der Aktienname in der Headline von Bloomberg-Meldungen erscheint.
314
Vgl. für die Beschreibung einer Volatilitätsauktion Kapitel 4.4.
Modell der Erholungsfähigkeit 125
selbst dann, wenn keine neuen Meldungen vorliegen. Zum anderen kommt es durch
die Handelsunterbrechung bei der Aktie zu Problemen bei einer Optionsbewertung des
Orderbuchs.315 Eine Erweiterung dieser Arbeit könnte den Fokus speziell auf Volatili-
tätsauktionen legen, um zu testen, ob diese hinsichtlich der Liquiditätsdimension Erho-
lungsfähigkeit optimale Ergebnisse erzielen. Die Phase zwei endet dort, wo innerhalb
der Frist von 15 (bzw. 30 Minuten) Minuten das Maximum des Kursausschlags
erreicht ist.
315
Vgl. UPPER (2000), S. 2. Falls Aktien nicht kontinuierlich gehandelt werden, ist keine exakte
Bepreisung der Optionen möglich und dynamische Absicherungsstrategien schlagen fehl.
316
Als Sonderfall könnte die Situation eintreten, dass der ursprüngliche Kursausschlag nur knapp
größer als ein Sigma war. Damit kann bereits dann wieder ein Gleichgewicht vorliegen, wenn die
Aktie wieder knapp ein Sigma fällt. Die Aktie wäre dann aber wieder auf ihrem Ursprungsniveau
angekommen und trotzdem würde bereits diese Reversalbewegung hinsichtlich des Kursverlaufes
als Gleichgewicht definiert werden. Diese Extremsituation wird aufgrund der Vorteile, die sich
durch die Nutzung des Ein-Sigma-Bereichs für das Modell ergeben, in Kauf genommen.
126 Modell der Erholungsfähigkeit
wieder in ein zeitlich nahe liegendes Gleichgewicht übergeht. Andernfalls schließt sich
in dem Zeitintervall von [0;15] Minuten ein neues Gleichgewicht an.
317
Vgl. HUBERMAN / HALKA (1999), S. 4, die alternativ als Möglichkeit diskutieren, dass die
Erholungsfähigkeit relativ zu einem Index gemessen werden könnte, weil die Wahrscheinlichkeit
sehr gering ist, dass ein Index durch Insiderinformationen und adverse selection beeinflusst wird.
Modell der Erholungsfähigkeit 127
318
Vgl. EKINCI (2004) für ein konträres Vorgehen. Er berechnet aus den Rohdaten das Intervall von
11:00 Uhr bis 11:05 als das „ruhigste“ Intervall, welches er später als Benchmark verwendet für
den Vergleich der Intraday-Kennzahlen.
128 Modell der Erholungsfähigkeit
Es existiert
Es existiert ein kein Gleichgewicht vor der
Gleichgewicht (ı) vor außerordentlichen Kursbewegung.
der außerordentlichen
Kursbewegung. nur der Kurs ist inner- nur die Spannung ist
halb der Reservation innerhalb der Reser-
vation
Der Vorteil der Differenzierung in eine vollständige und eine partielle Erholungsfähig-
keit liegt darin, dass für jede dieser Klassen eigenständig die Zeitdauer der Bewegung
berechnet werden kann.
319
Vgl. HARRIS (1997b) der die Erholungsfähigkeit als Zeitraum betrachtet, der benötigt wird, bis
z.B. 10.000 $ limitierte Orders in das Orderbuch gestellt werden. Dies in Zeiten normaler
Handelsaktivität im Vergleich zu Stresszeiten.
Modell der Erholungsfähigkeit 129
Beobachtungen können nach der Tageszeit des Auftretens und der Höhe der ursprüng-
lichen Kursbewegung unterschieden werden. Es resultiert für das entwickelte Modell
die Möglichkeit der graphischen Darstellung, wie beispielhaft in Abbildung 3-6
visualisiert.
Anhand der Grafik wird ersichtlich, wie sich die durchschnittliche Erholungsfähigkeit
für Deutsche Telekom im Jahr 2003 mit dem entwickelten Modell darstellt. Auf der X-
Achse ist die Börsenzeit von 9:00 Uhr bis 20:00 Uhr abgetragen. Diese ist jeweils in
einstündige Intervalle aufgeteilt. Auf der Y-Achse sind die Renditen abgetragen. Diese
geben die Höhe der ursprünglichen außerordentlichen Kursbewegung wieder und lie-
gen zwischen 0% und 5,5%. Die Höhe der Kursumkehr wird in der Grafik nicht als
eigene Dimension aufgenommen. Diese Kursgegenreaktion wird erfasst, indem jede
untersuchte Bewegung entweder in die Klasse der vollständigen Erholungsfähigkeit
oder die der partiellen Erholungsfähigkeit eingeordnet wird. Die Z-Achse gibt die Er-
holungsfähigkeit in Minuten an. Dies ist die Zeitdauer, bis sich nach der außerordentli-
chen Kursbewegung, die auf der Z-Achse abgetragen wird, ggf. wieder ein Gleichge-
wicht einstellt.
130 Modell der Erholungsfähigkeit
Vorteile:
x Das entwickelte Modell ist mit dem vorhandenen Datensatz in der Praxis anwend-
bar. Alle im Modell als sinnvoll erachteten Parameter liegen vor und können somit
berücksichtigt werden. Es sind die Dimensionen Zeit, Kursbewegung, die Beur-
teilung, ob ein Gleichgewicht vorliegt und die Frage der „ausreichenden Markt-
tiefe und Marktbreite“ in Form der Optionswerte im Orderbuch enthalten.
x Die Liquiditätsdeterminante der Erholungsfähigkeit, für die in der Forschung bis-
her kein Definitionskonsens besteht, ist mit allen relevanten Parametern erfasst
und in das vorliegende Modell integriert.
x Mit der einzigartigen Definition des Gleichgewichts im Orderbuch, bei dem die
Spannung und die relative Kursbewegung berücksichtigt wird, erfolgt eine Model-
lierung, die sich nicht nur auf Geld-Brief-Kurse beschränkt. Die Bewertung der
limitierten Aufträge mit Optionspreisen - und die damit verbundene Berücksichti-
gung der Volatilität - führen zum Handlungswillen der Marktteilnehmer. Dies ist
eine deutliche Differenzierung von den vorherrschenden Richtungen der Modellie-
rung der Erholungsfähigkeit.
x Die Modellierung der Erholungsfähigkeit in 4 Phasen ermöglicht die detailliertere
Analyse der einzelnen Bestandteile der Erholungsfähigkeit.
Nachteile:
x Obwohl versucht wird, das theoretische Modell klar strukturiert und einfach zu
halten, so erweist es sich in der praktischen Implementierung dennoch als kompli-
ziert. Insbesondere die Klassifizierung der Kursbewegung, als außerordentliche
Kursbewegung in einem bestimmten Zeitfenster sowie die Lokalisierung des
Maximums und des Minimums der Bewegung sind in der Praxis programmier-
technisch sehr schwer zu fassen.
Modell der Erholungsfähigkeit 131
3.6 Aus der aktuellen Forschung und dem Modell resultierende Hypothesen
Als Abschluss des theoretischen Teils werden nach der Darstellung der Forschung
(Kapitel 2) und des Modells (Kapitel 3) die daraus resultierenden Hypothesen erläu-
tert. Diese Hypothesen umfassen drei Bereiche.
Für eine Erholungsfähigkeit, die z.B. von der Tageszeit, der Volatilität
und den Orderbuchungleichgewichten abhängt, kann angenommen
werden, dass diese einen persistenten Einfluss auf die Kursbewegun-
gen des Titels hat und somit statistisch nachweisbar ist.
Im folgenden Kapitel 4 wird die empirische Untersuchung dargestellt. Das Modell und
die daraus resultierenden Hypothesen werden auf den vorliegenden Datensatz ange-
wendet und getestet.
Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel 133
320
Vgl. Deutsche Börse AG (2005), S. 14 für eine Beschreibung von Iceberg-Orders, bei denen
zunächst nur ein Spitzenvolumen im Orderbuch ersichtlich ist. Erst nach dessen Ausführung wird
ein weiterer Teil des Auftrages automatisch für die Handelsteilnehmer verfügbar.
134 Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel
4.2 Datenbasis
Zu jedem Zeitpunkt, in dem sich eine Veränderung des Orderbuchs ergab, wurde ein
Datensatz abgespeichert, der die 10 besten Geld- und Briefkurse, ihr zugehöriges
Volumen und den letzten Transaktionskurs mit dem gehandelten Volumen enthält.324
Weiterhin wurden jeweils der Reuters Code der Aktie, das Datum sowie die Zeit
sekundengenau erfasst. Um eine exakte Bestimmung der Reihenfolge vornehmen zu
können, wurde für jeden abgespeicherten Datensatz eine fortlaufende Nummer, die
Identification (ID), vergeben, so dass auch bei mehreren vorliegenden Datensätzen
321
Durch die Verkürzung der Xetra-Handelszeiten wurden ab dem 3. November 2003 die Daten bis
Xetra-Schluss um 17:30 erfasst, woraus pro Börsentag 8,5 Handelsstunden resultieren.
322
Die Zahl an Untersuchungen mit großen Datenmengen ist trotz rasanter Entwicklung bei der
Rechnerleistungsfähigkeit noch überschaubar. Einige Untersuchungen mit großen Datenmengen
waren CHAN / LAKONISHOK (1995) mit ca. 1 Mio. Daten, FARMER / LILLO (2004) mit 34
Mio. Datensätzen für die LSE, ROSENOW / WEBER (2003) analysieren für das Isländische
Electronic Communication Network ein Volumen von ca. 60 GB.
323
Vgl. Kapitel 3.2.6 für die Berechnung der 2.682 Handelsstunden in 2003.
324
Vgl. Deutsche Börse AG (1999), S.8. Dies ist eine Vereinfachung, da Xetra-Teilnehmer die volle
Tiefe des Orderbuchs sehen können.
Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel 135
innerhalb einer Sekunde die Abfolge der Ereignisse eindeutig festgehalten ist. Wenn
es sich bei dem vorliegenden Datensatz um eine Gebotsänderung handelte, wurde sie
digital mit dem Wert null, andernfalls eine Transaktion mit dem Wert eins versehen.
Zur Überprüfung, ob Fehler in der Datenübertragung oder Kursversorgung vorliegen,
wurde eine digital definierte Error-Variable mitgeführt.
ID Name Gebots- letzter letztes Best Best … Best Best … Best Best … Best Best … Error Date Time
änderung Trans- Handels- Bid Bid Ask Ask Bid Bid Ask Ask
/ Trans- aktions- volumen 1 2 1 2 Size 1 Size 2 Size 1 Size 2
aktion kurs
280 DTEGn.DE 0 12,42 13232 12,4 12,4 12,4 12,5 10141 5836 2000 2527 0 27.1.03 09:00:30
290 DTEGn.DE 0 12,42 13232 12,4 12,4 12,4 12,5 10141 5836 2000 2527 0 27.1.03 09:00:31
291 DTEGn.DE 0 12,42 13232 12,4 12,4 12,4 12,5 10141 10836 2000 2527 0 27.1.03 09:00:31
304 DTEGn.DE 0 12,42 13232 12,4 12,4 12,4 12,5 10141 10836 2000 2527 0 27.1.03 09:00:33
316 DTEGn.DE 1 12,4 86 12,4 12,4 12,4 12,5 10141 10836 2000 2527 0 27.1.03 09:00:34
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
325
Vgl. www.exchange.de / Börsenlexikon: Der VDAX wurde am 5.12.1994 eingeführt. Seit dem
14. Juli 1997 berechnet die Deutsche Börse AG den VDAX minütlich mit Hilfe der Black-
Scholes Formel. Der VDAX Neu wurde in 2005 eingeführt. In seiner Berechnung beruht dieser
nicht mehr auf einem Optionspreismodell.
326
Vgl. für diese Modellierung Kapitel 3.2.4.
327
Der Wechsel von Sommer- auf Winterzeit erfolgt in Europa und den USA synchron, am letzten
Wochenende im Oktober, in 2003 am 26. Oktober.
328
Vgl. GRAMMIG / MELVIN / SCHLAG (2001) für eine detaillierte Untersuchung dieser Werte.
136 Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel
Inhaber- und Namensaktien so wie von Henkel, die als Kommanditgesellschaft auf
Aktien (KGaA) notieren, erfolgt nicht.
Börsenzeit veröffentlicht. Die Ersteren werden aufgrund des potenziell hohen Kursein-
flusses ausgeschlossen. Datensätze an diesem Handelstag werden für die Berechnung
der Erholungsfähigkeit nicht verwendet.
329
BIAIS / HILLION / SPATT (1995) haben bei ihrer Datenbasis vergleichbare Phänomene, dass im
CAC-System bei sehr großen Orderaufkommen die am Handelsschirm ersichtlichen Gebote zum
Teil bereits eine Minute alt sein können, wenn sie erstmalig erscheinen.
330
In empirischen Untersuchungen ist oft schwer zu klären, ob eine Transaktion käufer- oder
verkäuferinitiiert ist. Vgl. LEE / READY (1991), S. 735 für ein Verfahren zur Bestimmung, ob es
138 Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel
stellt werden. Dadurch kann ein Bild des Orderbuchs entstehen, das so nicht exis-
tiert (hat). Insbesondere bei zwei unmittelbar aufeinander folgenden Transaktio-
nen, zwischen denen kein weiterer abgespeicherter Datensatz mit einer Orderbuch-
veränderung steht, weist vereinzelt der Datensatz der zweiten Transaktion noch
Gebote auf, die mit der Transaktion im vorhergehenden Datensatz bereits abge-
räumt wurden. Deswegen kann keine vollständig exakte Wiedergabe dessen er-
folgen, was im Orderbuch ersichtlich ist. Dies ist für den Untersuchungsfortgang
nicht von ausschlaggebender Bedeutung, da sich die Marktteilnehmer an den Han-
delsterminals in der gleichen Situation befinden.
x Bei Änderungen in der Kapitalisierung, wie z.B. bei der Allianz, wird das Order-
buch, das von der Deutschen Börse zur Verfügung gestellt wird, übernommen. Die
Deutsche Börse bereinigt das Orderbuch derart, dass es für die Datenerfassung und
Untersuchung sinnvoll genutzt werden kann. „Im Falle von Dividendenzahlungen
bei ausländischen Aktien und Kapitalmaßnahmen (z.B. ex Bezugsrecht) werden
alle vorliegenden Orders durch die Börse automatisch gelöscht. Bei Dividenden-
zahlungen inländischer Aktien erfolgt prinzipiell keine Anpassung des Orderbe-
standes durch die Börse.”331
sich um eine käufer- oder verkäuferinitiierte Transaktion handelt, wenn dies aus den Daten nicht
eindeutig hervorgeht.
331
Dt. Börse AG (1999) S. 26.
Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel 139
332
Die Mitglieder dieser Peer-Group sind erhältlich über Bloombergfunktion: DCX GY EQUITY
RV W <GO> am Beispiel für Daimler Chrysler.
333
Als Einschränkung gilt, dass die 2003 in den USA gelisteten Unternehmen an der New York
Stock Exchange keine Orderbuchtiefe veröffentlichen, sondern nur die jeweils besten Gebote.
334
Vgl. STOLL / WHALEY (1990) und KLEIDON / WHALEY (1992) für die Lead-Lag-Beziehung
zwischen Terminmarkt und Kasse für Aktien. Obwohl zahlreiche Untersuchungen über die Lead-
Lag Beziehung zwischen diesen beiden Märkten vorliegen, existiert bisher kein breit akzeptierter
Konsens bezüglich der Kursführerschaft eines Marktes.
140 Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel
fähigkeit der DAX-Titel wäre eine weitere interessante Fragestellung. Von Interesse
erscheint beispielsweise der Spezialfall, wenn US-amerikanische Unternehmen vor der
Eröffnung der US-Märkte Nachrichten veröffentlichen, so dass deren Aktienkurs noch
nicht börslich reagieren kann, aber die in Europa gehandelten Mutterunternehmen
aufgrund dieser Nachricht Kurs- oder Liquiditätsveränderungen aufweisen.
335
Vgl. für die Systematik der Absicherungsstrategien der Market-Maker Anhang 4.
Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel 141
oder des Umsatzes in 2003. Anschließend werden die Marktbreite und die Markttiefe
charakterisiert. Dies dient für einen späteren Vergleich dieser Liquiditätsdeterminanten
mit den Analyseresultaten zur Erholungsfähigkeit.
336
Vgl. GERKE / ARNETH / FLEISCHER (1999) für die empirische Untersuchung der kurz-
fristigen Kurseffekte bei Änderungen der Indexzusammensetzung des MDAX.
337
Vgl. 3.2.6 für die Berechnung der 252,5 Handelstage und die Handelsstunden in 2003.
142 Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel
Verhältnis:
Durchschnit- Durchschnit-
Umsatz im Anzahl der Gebots-
Anzahl der tlicher Umsatz tlicher Umsatz Anzahl der
Kalenderjahr in Gebots- veränderungen
Datensätze pro Transaktion pro Handelstag Transaktionen
Euro veränderungen zu
in Euro in Euro
Transaktionen
338
Vgl. für die Indexgewichte der Einzeltitel im DAX in 2003 Anhang 6.
Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel 143
Mio. Transaktionen und somit auf ca. 13% vom Volumen der Allianz. Die höchste
Aktivität im Orderbuch anhand der Gebotsveränderungen zeigt sich bei Allianz mit ca.
5,2 Mio. Im Vergleich zur Allianz folgen Siemens mit ca. 94%, Deutsche Bank und
Münchener Rückversicherung mit jeweils ca. 88% und Daimler Chrysler mit ca. 86%
der Anzahl der Gebotsveränderungen. Zahlreiche Aktien weisen eine relativ niedrige
Anzahl an Gebotsveränderungen auf, die im Bereich von ca. 2 Mio. liegen. Es resul-
tiert für alle 28 Titel ein Median von ca. 2,7 Mio. mit einem Minimalwert von ca. 1,9
Mio. Dies spricht für eine linksschiefe Verteilung der Orderbuchaktivität. Die fünf
orderbuchaktivsten Aktien stellen lediglich ca. 18% der 28 untersuchten Titel dar,
repräsentieren aber mit ca. 23,3 Mio. Orderbuchveränderungen ca. 27% der Order-
buchaktivität. Wird die Zahl der Gebotsveränderungen in Verhältnis zur Anzahl der
Transaktionen gesetzt, so zeigt sich, dass bei Henkel pro 10,4 Veränderungen eine
Transaktion resultiert. Für Allianz, Deutsche Telekom und Infineon liegt dieser Wert
bei ca. drei. Dies relativiert die absoluten Beobachtungen der Orderbuchaktivität. Im
Verhältnis zu der Anzahl an Transaktionen gibt es somit für Henkel die größte Anzahl
an Veränderungen an Geboten im Orderbuch, bevor es zu einem Abschluss kommt.
Nach dieser ersten Darstellung der Datenbasis erfolgt eine Beschreibung der Kurse,
Renditen und der Volatilität in Tabelle 4-3. Im Beobachtungszeitraum lag der niedrig-
ste realisierte Transaktionspreis für Commerzbank bei 5,22 Euro am 11. März 2003.
Der höchste Kurs wurde am 6. Januar 2003 mit 135,65 Euro für SAP erzielt, vor dem
Einbruch des Marktes mit seinem Tiefpunkt im März. In diesem Monat wiesen neun
der beobachteten 28 Titel im Tiefstkurs einen einstelligen Kurs auf. Dies entspricht ca.
1/3 der beobachteten 28 DAX-Titel. Der durchschnittliche Aktienkurs, der in späteren
Überlegungen als rechnerische Bezugsgröße dient, beläuft sich in 2003 für alle
analysierten Titel auf 36,79 Euro. Für zehn der beobachteten Aktien ist der Median
kleiner als der durchschnittliche Aktienkurs. 18 Titel weisen einen höheren Median
auf als ihr durchschnittliches Kursniveau in 2003. Dies bedeutet, dass für diese 18
Titel mehr als 50% der Transaktionspreise größer sind als der Durchschnittspreis. Dies
liegt daran, dass diese Titel bei den fallenden Kursen im Frühjahr besonders niedrige
Kurse aufwiesen, so dass der durchschnittliche Aktienkurs des Jahres 2003 deutlich
von diesen niedrigen Werten beeinflusst wurde. Der kleinste durchschnittliche Kurs
liegt mit 9,75 Euro für Infineon vor und der größte mit 101,63 Euro für SAP. Der
dargestellte durchschnittliche Kurs von 36,79 Euro und der Median dienen für spätere
Berechnungen der prozentualen Steigung des Orderbuchs.
144 Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel
Jahresvolatilität
Durch- Maximale Kurs-
Kurs- Kurs- (Tages-
Median schnittlicher steigerung vom
minimum maximum schlusskurs-
Kurs Jahrestief
basis)
Die bis hierher diskutierten hohen Werte der Kennzahl Volatilität, als auch die großen
Kursbewegungen der Einzeltitel zeigen deutlich, wie wichtig deren Berücksichtigung
für das Modell der Erholungsfähigkeit sind. Die folgende Abbildung 4-1 visualisiert
zusammenfassend die Kursentwicklung und den Verlauf der historischen 30-Tages-
volatilität des DAX in 2003 und visualisiert wie groß sowohl die Bewegung des
Aktienindex, als auch die der Volatilität in 2003 war.
55
4.000 50
45
3.500
40
historische 30-Tagesvolatilität
DAX Indexstand
35
3.000
30
25
2.500
20
Dax
30-Tagesvolatilität
2.000 15
14 .03
24 .03
05 .03
17 .03
27 .03
11 .03
21 .03
02 .03
14 .03
28 .03
09 .03
21 .03
02 .03
12 .03
24 .03
04 .03
16 .03
28 .03
07 .03
19 .03
29 .03
10 .03
22 .03
02 .03
14 .03
24 .03
05 .03
17 .03
27 .03
09 .03
19 .03
03
2.
1
1
1
2
2
2
3
3
4
4
4
5
5
6
6
6
7
7
7
8
8
8
9
9
0
0
0
1
1
1
2
.0
.0
.0
.0
.0
.0
.0
.0
.0
.0
.0
.0
.0
.0
.0
.0
.0
.0
.0
.0
.0
.0
.0
.0
.1
.1
.1
.1
.1
.1
.1
.1
02
Datum
Durchschnittl.
Durchschnittl.
Durchschnittl. Durchschnittl. Handelsvolumen /
Durchschnittl. Durchschnittl. Durchschnittl. Handelsvolumen
Volumen bester Volumen bester Durchschnittl.
Aktienkurs (Euro) Spanne (Cent) Spanne pro Transaktion
Geldkurs (Euro) Briefkurs (Euro) Handlungsbereit-
(Euro)
schaft
zwischen den durchschnittlichen gestellten Volumina erscheint bei Deutsche Post mit
Werten zwischen 40.676 Euro und 40.507 Euro, entsprechend ca. 0,4%. Der höchste
Unterschied existiert für Allianz, bei der die Briefseite mit durchschnittlich 69.624
Euro befüllt ist und die Geldseite mit 79.247 Euro einen 13,8% höheren Wert auf-
weist.
Die Marktbreite wurde bisher durch die Geld-Brief-Spanne und die zur Verfügung ste-
henden Volumina der besten Gebote dargestellt.339 Diese Kennzahlen können genutzt
werden, um die unmittelbar zur Verfügung stehende Liquidität darzustellen, die eben-
falls in Tabelle 4-4 aufgeführt ist. Diese wird berechnet, indem das durchschnittliche
Handelsvolumen im Verhältnis zur durchschnittlichen Handlungsbereitschaft gesetzt
wird.
durchschnittliches Transaktionsvolumen
Unmittelbare Marktbreite (4.1)
(Geldvolumen Briefvolumen)
2
Diese Kennzahl gibt den Prozentsatz der Liquidität wieder, den eine durchschnittliche
Order an der durchschnittlich zur Verfügung stehenden Liquidität konsumiert. Eine
übliche Ordergröße in der Höhe von ca. 55.000 Euro bei Deutsche Telekom bean-
sprucht beispielsweise lediglich ca. 19% der durchschnittlich zur Verfügung stehenden
Liquidität. Bei Fresenius Medical Care hingegen beträgt dieser Prozentsatz ca. 64%.
Damit wird beim erst genannten Wert lediglich ca. 1/5 der verfügbaren Liquidität auf-
gebraucht, beim letztgenannten Titel mehr als die Hälfte.
Diese beschriebene unmittelbare Marktbreite kann in einem nächsten Schritt relativiert
werden. Dabei wird zunächst die absolute Häufigkeit des Vorkommens von großen
Transaktionen gebildet. Diese werden gemäß ihrer absoluten Umsätze in sieben Klas-
sen aufgeteilt. Im folgenden Schritt werden die Einzelumsätze in fünf Klassen aufge-
teilt, die sich für jede Aktie auf ihr individuelles, durchschnittliches, auf der besten
Geld-Briefseite gestelltes Volumen beziehen. Wenn diese Häufigkeit an großen Ein-
zeltransaktionen als Indikator für noch größere Blocktransaktionen gewertet wird, die
mit dem vorliegenden Datensatz als solche nicht erfasst werden können, dann kann
daraus gefolgert werden, welche Werte tendenziell von außerordentlichen Kursein-
flüssen belastet werden. Damit kann die Aussagekraft der gemessenen, durchschnittli-
339
Vgl. BIAIS / HILLION / SPATT (1995) die diese Kennzahl vom bestem Gebotsvolumen
multipliziert mit dem zugehörigen gebotenen Preis als Kennzahl für die Markttiefe verwenden.
Die Erweiterung dieser Kennzahl durch die Relativierung zum durchschnittlichen Trans-
aktionsvolumen lässt diese Kenngröße sinnvoll erscheinen für die Beschreibung der Marktbreite.
148 Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel
chen zur Verfügung stehenden Liquidität in Relation zu der Nachfrage durch große
Volumina gesetzt werden.
Diese Untersuchung von großvolumigen Transaktionen ist für die spätere Analyse der
Erholungsfähigkeit zielführend, weil durch diese Kennzahl für die Marktbreite adäquat
dargestellt wird, wie gut größere Blöcke unmittelbar durch das beste Gebot auf der
jeweiligen Seite bedient werden können. Für die Berechnung werden die Volumina in
Euro, berechnet durch die Multiplikation der Stückzahl mit dem Kurs, herangezogen.
Im ersten Schritt werden die Klassen beschrieben, die sich auf das absolute Umsatz-
volumen fester Klassen beziehen. 20 Titel weisen in 2003 ein durchschnittliches
Transaktionsvolumen pro Order zwischen ca. 14.000 Euro (TUI) für die illiquiden
Werte und ca. 55.000 Euro (Deutsche Telekom) für sehr liquide Titel auf.
ADS 129.958 122.660 26.967 7.854 830 125 11 37.318 1.142 27.983.127
ALT 173.063 141.296 25.035 6.721 623 74 4 30.059 1.374 27.123.612
ALV 540.214 767.558 260.181 112.159 18.219 3.768 632 65.686 6.743 264.876.648
BASF 213.890 404.088 121.034 46.462 4.748 610 76 120.470 3.132 115.027.890
BAY 323.824 360.798 82.990 30.005 2.877 376 37 40.921 3.172 84.508.165
BMW 202.478 293.776 73.182 26.350 3.164 329 33 43.872 2.374 71.863.700
CBK 222.711 164.265 35.810 13.907 1.787 314 52 43.745 1.738 40.148.653
DBK 243.465 531.084 232.880 117.088 19.035 3.442 464 155.680 4.544 229.078.524
DCX 349.587 527.508 175.479 67.757 9.087 1.412 165 52.918 4.479 162.061.707
DPW 162.391 118.472 18.979 4.999 576 93 9 31.368 1.210 22.387.563
DTE 358.990 457.902 216.955 131.326 33.176 8.911 1.996 108.140 4.789 266.076.973
EOA 203.382 413.421 140.010 59.876 6.623 963 119 55.945 3.265 135.248.269
FME 145.499 88.725 10.103 2.145 165 13 0 21.949 977 14.440.645
HEN 103.859 99.718 15.073 3.100 236 38 3 26.145 879 16.582.173
HVM 287.742 219.288 45.536 15.483 1.878 267 27 38.413 2.258 49.971.124
IFX 398.890 281.406 78.725 38.132 6.769 1.224 134 57.944 3.189 88.443.044
LHA 187.247 124.173 23.087 6.995 646 41 3 29.947 1.355 25.412.309
LIN 136.526 92.329 11.813 2.774 194 16 2 24.665 965 15.489.968
MAN 145.140 87.687 10.618 2.337 162 15 0 22.547 974 14.246.002
MEO 161.678 150.350 26.381 8.052 845 55 15 33.288 1.376 29.486.885
MUV 384.447 559.534 178.625 82.474 14.315 3.122 482 68.543 4.844 195.923.782
RWE 200.371 266.288 52.594 17.364 1.579 179 13 37.971 2.132 55.108.111
SAP 223.868 450.908 173.007 83.049 13.792 3.307 495 74.321 3.756 175.734.535
SCH 178.797 207.791 34.745 10.438 1.015 116 18 34.541 1.715 40.001.512
SIE 326.081 605.094 278.085 143.041 21.508 3.551 502 353.770 5.457 273.811.689
TKA 176.126 135.177 23.198 7.340 699 63 3 83.569 1.357 26.756.997
TUI 196.368 96.550 12.066 3.451 216 25 2 23.710 1.222 16.662.520
VOW 267.342 337.500 82.448 32.592 3.569 469 43 44.830 2.867 85.601.133
Summe 6.643.934 8.105.346 2.465.606 1.083.271 168.333 32.918 5.340 73.286 2.570.057.260
Transaktionen stattfinden und diese Gruppe somit als Referenzgröße dienen kann. Die
größte Klasse wird repräsentiert durch Einzeltransaktionen mit mehr als 1 Mio. Euro
Umsatz.
100%
Anteil der Umsätze >
1.000.000 Euro
90%
70%
Anteil der Umsätze >
250.000 <=500.000
60% Euro
0%
A LV
A
A
S
SF
S CH
O
N
CB K
E
N
W
M
S AP
SI E
X
V
I FX
LIN
W
D PW
K
I
TU
AD
AL
FM
RW
DT
LH
EO
DC
MA
MU
BA
ME
HE
TK
DB
HV
VO
BM
BA
Aktie
95%
Anteil des Volumens
90%
Handelsvolumen > 3 *
durchschnittl. gestellte
Volumen
85%
Handelsvolumen > 2 *
durchschnittl. gestellte
Volumen <= 3 *
Handelsvolumen > 1 *
80% durchschnittl. gestellte
Volumen <= 2 *
Handelsvolumen <= 1 *
durchschnittl. gestellte
Volumen
75%
BASF
ALV
LHA
ADS
ALT
MAN
SCH
D CX
BA Y
SAP
HNK
MUV
MEO
SIE
RWE
HVM
VOW
FME
LIN
DBK
EON
TUI
TKA
CBK
IFX
BMW
DPW
DTE
Aktie
mehr als die erste Stelle des Limitorderbuchs abräumen. Dies würde bedeuten, dass bei
diesen Werten durch einzelne Geschäftsabschlüsse keine außerordentlichen Kursbewe-
gungen zu erwarten sind.
Als Ergebnis der Datenauswertung und Statistiken zur Marktbreite resultiert, dass bei
den Einzeltiteln große Unterschiede, wie z.B. bei der mit Formel (4.1)
errechneten, unmittelbaren Marktbreite, vorkommen. Weiterhin fällt das Auftreten
von Blockorders für einzelne Titel sehr unterschiedlich aus. Diese Aspekte der
Marktbreite bedürfen bei dem Vergleich mit der Erholungsfähigkeit einer
differenzierten Betrachtung für die einzelnen Aktien. Dabei kann die Abbildung 4-3
für die spätere Untersuchung als Indikation dienen, welche Aktien wie stark dem
Einfluss von großen Blocktransaktionen unterliegen.
(Geldkursi 1 Geldkursi )
Steigung Geldgebote * 100 (4.2)
Aktienkurs
Diese Berechnung bedeutet, dass ein kleiner prozentualer Wert eine niedrige prozen-
tuale Differenz zwischen den benachbarten Geboten darstellt, was somit einen tiefen
Markt darstellt.341 Die Prozentwerte für die Geldseite werden im aktuellen Kapitel in
Tabelle 4-6 und für die Briefseite in Tabelle 4-7 dargestellt.
340
Vgl. GLOSTEN (1994).
341
Vgl. KEMPF / KORN (1997) die feststellen, dass es sich bei dem Preiseinfluss der verschiedenen
Ordergrößen nicht um einen linearen Zusammenhang handelt.
152 Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel
Geld 1 - Geld 2 Geld 2 - Geld 3 Geld 3 - Geld 4 Geld 4 - Geld 5 Geld 5 - Geld 6 Geld 6 - Geld 7 Geld 7 - Geld 8 Geld 8 - Geld 9 Geld 9 - Geld 10
in Prozent in Prozent in Prozent in Prozent in Prozent in Prozent in Prozent in Prozent in Prozent
ADS 0,0397 0,0441 0,0497 0,0576 0,0646 0,0706 0,0763 0,0814 0,0864
ALT 0,0600 0,0649 0,0714 0,0771 0,0822 0,0874 0,0915 0,0961 0,1002
ALV 0,0345 0,0304 0,0304 0,0321 0,0341 0,0361 0,0377 0,0391 0,0405
BASF 0,0453 0,0433 0,0452 0,0494 0,0534 0,0564 0,0586 0,0600 0,0614
BAY 0,0734 0,0703 0,0731 0,0761 0,0789 0,0812 0,0830 0,0848 0,0865
BMW 0,0547 0,0535 0,0580 0,0643 0,0707 0,0758 0,0795 0,0826 0,0852
CBK 0,1212 0,1259 0,1342 0,1395 0,1430 0,1453 0,1470 0,1492 0,1522
DBK 0,0379 0,0361 0,0358 0,0378 0,0407 0,0431 0,0450 0,0466 0,0479
DCX 0,0492 0,0452 0,0464 0,0491 0,0516 0,0533 0,0544 0,0552 0,0561
DPW 0,0967 0,1140 0,1172 0,1231 0,1269 0,1311 0,1351 0,1406 0,1462
DTE 0,0842 0,0829 0,0832 0,0838 0,0842 0,0847 0,0852 0,0855 0,0861
EOA 0,0398 0,0369 0,0380 0,0413 0,0448 0,0480 0,0506 0,0525 0,0541
FME 0,0655 0,0749 0,0882 0,1011 0,1117 0,1188 0,1241 0,1288 0,1357
HEN 0,0467 0,0556 0,0650 0,0744 0,0832 0,0897 0,0956 0,1023 0,1093
HVM 0,1083 0,1105 0,1168 0,1218 0,1262 0,1287 0,1298 0,1312 0,1330
IFX 0,1281 0,1216 0,1231 0,1244 0,1249 0,1255 0,1256 0,1261 0,1265
LHA 0,1167 0,1205 0,1288 0,1335 0,1395 0,1421 0,1435 0,1460 0,1495
LIN 0,0721 0,0852 0,1005 0,1138 0,1258 0,1345 0,1413 0,1492 0,1567
MAN 0,1110 0,1294 0,1465 0,1609 0,1754 0,1878 0,1979 0,2100 0,2220
MEO 0,0793 0,0863 0,0973 0,1081 0,1180 0,1260 0,1316 0,1364 0,1424
MUV 0,0358 0,0325 0,0332 0,0355 0,0381 0,0408 0,0430 0,0449 0,0466
RWE 0,0626 0,0627 0,0679 0,0734 0,0776 0,0805 0,0830 0,0848 0,0864
SAP 0,0328 0,0310 0,0321 0,0345 0,0377 0,0407 0,0435 0,0459 0,0479
SCH 0,0527 0,0540 0,0591 0,0649 0,0709 0,0759 0,0792 0,0826 0,0846
SIE 0,0384 0,0345 0,0346 0,0364 0,0387 0,0410 0,0425 0,0437 0,0450
TKA 0,1163 0,1229 0,1329 0,1391 0,1455 0,1507 0,1532 0,1553 0,1593
TUI 0,1178 0,1251 0,1331 0,1405 0,1457 0,1496 0,1513 0,1538 0,1565
VOW 0,0499 0,0485 0,0520 0,0579 0,0638 0,0685 0,0717 0,0743 0,0768
Durch-
0,0704 0,0730 0,0783 0,0840 0,0892 0,0934 0,0965 0,0996 0,1029
schnitt
Brief 2 - Brief 1 Brief 3 - Brief 2 Brief 4 - Brief 3 Brief 5 - Brief 4 Brief 6 - Brief 5 Brief 7 - Brief 6 Brief 8 - Brief 7 Brief 9 - Brief 8 Brief 10 - Brief 9
in Prozent in Prozent in Prozent in Prozent in Prozent in Prozent in Prozent in Prozent in Prozent
ADS 0,0404 0,0441 0,0506 0,0583 0,0653 0,0705 0,0745 0,0780 0,0812
ALT 0,0615 0,0673 0,0741 0,0797 0,0848 0,0899 0,0944 0,0989 0,1046
ALV 0,0356 0,0315 0,0320 0,0344 0,0371 0,0394 0,0412 0,0428 0,0445
BASF 0,0458 0,0437 0,0459 0,0501 0,0542 0,0571 0,0590 0,0607 0,0623
BAY 0,0742 0,0717 0,0753 0,0790 0,0820 0,0847 0,0866 0,0883 0,0901
BMW 0,0551 0,0544 0,0596 0,0667 0,0736 0,0791 0,0827 0,0856 0,0879
CBK 0,1212 0,1257 0,1340 0,1386 0,1475 0,1365 0,1448 0,1464 0,1480
DBK 0,0392 0,0359 0,0368 0,0394 0,0427 0,0453 0,0473 0,0489 0,0503
DCX 0,0495 0,0457 0,0476 0,0512 0,0542 0,0565 0,0578 0,0586 0,0595
DPW 0,1029 0,1087 0,1165 0,1209 0,1246 0,1282 0,1296 0,1333 0,1373
DTE 0,0845 0,0832 0,0836 0,0842 0,0845 0,0848 0,0852 0,0856 0,0861
EOA 0,0404 0,0376 0,0392 0,0431 0,0472 0,0508 0,0536 0,0557 0,0579
FME 0,0662 0,0744 0,0872 0,1006 0,1103 0,1165 0,1250 0,1218 0,1299
HEN 0,0471 0,0545 0,0650 0,0740 0,0838 0,0911 0,0969 0,1002 0,1052
HVM 0,1101 0,1127 0,1190 0,1242 0,1293 0,1338 0,1365 0,1391 0,1426
IFX 0,1218 0,1231 0,1248 0,1260 0,1265 0,1272 0,1275 0,1280 0,1282
LHA 0,1176 0,1232 0,1327 0,1391 0,1452 0,1492 0,1516 0,1534 0,1556
LIN 0,0726 0,0849 0,0998 0,1142 0,1276 0,1399 0,1504 0,1618 0,1753
MAN 0,1092 0,1282 0,1468 0,1624 0,1784 0,1949 0,2093 0,2216 0,2357
MEO 0,0798 0,0870 0,0981 0,1081 0,1174 0,1254 0,1318 0,1370 0,1422
MUV 0,0366 0,0335 0,0351 0,0383 0,0417 0,0449 0,0476 0,0500 0,0523
RWE 0,0630 0,0637 0,0698 0,0768 0,0819 0,0849 0,0869 0,0884 0,0902
SAP 0,0330 0,0311 0,0324 0,0353 0,0388 0,0419 0,0449 0,0473 0,0498
SCH 0,0528 0,0547 0,0604 0,0668 0,0729 0,0781 0,0821 0,0848 0,0878
SIE 0,0384 0,0346 0,0348 0,0369 0,0393 0,0414 0,0430 0,0445 0,0453
TKA 0,1174 0,1253 0,1375 0,1450 0,1513 0,1585 0,1612 0,1636 0,1661
TUI 0,1199 0,1283 0,1386 0,1464 0,1522 0,1578 0,1609 0,1619 0,1654
VOW 0,0504 0,0489 0,0529 0,0596 0,0658 0,0705 0,0738 0,0768 0,0796
Durch-
0,0709 0,0735 0,0796 0,0857 0,0914 0,0957 0,0995 0,1023 0,1057
schnitt
Allianz, Deutsche Bank, Daimler Chrysler, Deutsche Telekom, Münchener Rück und
Siemens sind die mit Abstand liquidesten Werte. Die grafische Darstellung der pro-
zentualen Differenzen zwischen den benachbarten Geboten weisen sehr geringe Werte
auf. Die illiquiden Werte Adidas, Fresenius Medical Care, Henkel, Linde und MAN
weisen für die gesamte Orderbuchtiefe eine relativ hohe Steigung auf. Diese Ergeb-
nisse können so interpretiert werden, dass insbesondere für die Titel der liquiden
154 Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel
Papiere eine Aversion besteht, dort Limits direkt auf die erste Orderbuchstelle zu pla-
zieren. Hingegen weisen die Gebote tiefer im Orderbuch eine sehr niedrige Steigung
auf.
0,15
0,13
0,11
Prozentuale Differenz
0,09
0,07
0,05
Illiquides Kluster
Durchschnitt aller 28 Titel
Liquides Kluster
0,03
9 - 10 8-9 7-8 6-7 5-6 4-5 3-4 2-3 1- 2 2-1 3-2 4-3 5-4 6-5 7-6 8-7 9-8 10 - 9
342
Die Beschreibungen des Xetra beziehen sich auf das Release 7.1.
343
Vgl. BRAUE / HILLE (1997), S. 145. Der nach dem Meistausführungsprinzip ermittelte
Auktionspreis setzt das größte Ordervolumen um und hinterlässt den niedrigsten Überhang an
limitierten, nicht ausgeführten Orders.
344
Vgl. BRAUE / HILLE (1997), S. 145, Fußnote 16.
345
Vgl. Deutsche Börse AG (1999), S. 35.
156 Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel
wenn am Ende der Aufrufphase der indikative Auktionspreis346 außerhalb des von der
Deutschen Börse vordefinierten, aber nicht veröffentlichten Preiskorridors347 um den
Referenzpreis348 liegt. Durch die Volatilitätsunterbrechung wird die Aufrufphase ver-
längert, um den Handelsteilnehmern die Möglichkeit zu geben, neue Orders einzuge-
ben, sowie bestehende zu verändern oder zu löschen.349
An die Eröffnungsauktion schließt sich für die Werte des DAX der Fortlaufende Han-
del mit einer Tick Size von einem Euro Cent an, der regulär durch eine Mittagsauktion
gegen 13:00 Uhr unterbrochen wird. Im Fortlaufenden Handel kann es zu einer Volati-
litätsunterbrechung kommen, wenn der potenzielle Ausführungspreis einer Order
außerhalb des dynamischen und/oder statischen Preiskorridors, bezogen auf den jewei-
ligen Referenzpreis, liegt.350 Dadurch werden unlimitierte Aufträge geschützt, so dass
die Umsetzung nur erfolgt, falls der potenzielle Ausführungskurs innerhalb des vorde-
finierten Preiskorridors (Market Order Matching Range) um den Referenzpreis liegt.351
346
Vgl. Deutsche Börse (1999), S. 20: Der indikative Auktionspreis ist für ausführbare, sich
gegenüberstehende Orders der Preis, zu dem eine Ausführung der vorliegenden Orders erfolgt,
falls die Aufrufphase zum Zeitpunkt der Ermittlung des indikativen Preises beendet wird.
347
Vgl. SBF Bourse de Paris, S. 8. Die unbekannten dynamischen und statischen Preiskorridore
stellen einen Unterschied z.B. zum CAC40 dar. Dort gilt für die liquidesten Titel eine maximale
Kursveränderung von 10% zum Handelsstart und maximal 5% im Handelsverlauf.
348
Vgl. Deutsche Börse AG (1999), S. 39: Der Referenzpreis des dynamischen Preiskorridors ist der
zuletzt in Xetra gehandelte Preis. Der Referenzpreis für den statischen Preiskorridor ist der zuletzt
in Xetra festgestellte Auktionspreis.
349
Vgl. BRAUE / HILLE (1997), S. 143.
350
Vgl. BRAUE / HILLE (1997), S. 144.
351
Vgl. BRAUE / HILLE (1997), S. 145, Fußnote 17.
Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel 157
Preis Potenzieller
Dynamischer
Preiskorridor
Referenzpreis 1 Preis
(letzter Preis)
Preiskorridor
Statischer
Referenz-
preis 2
(letzter
Auktionspreis)
Zeit
Abbildung 4-5: Dynamischer und statischer Preiskorridor352
Der Handel wird unterbrochen und es findet eine Volatilitätsauktion statt. Falls es zu
keiner Preisermittlung kommt, wird nach Ablauf der Auktionsdauer der kontinuier-
liche Handel wieder regulär aufgenommen. Die Transaktionsmöglichkeit im Xetra
endete in 2003 zunächst um 20:00 Uhr und ab dem 3. November um 17:30 Uhr mit
der Schlussauktion. In der anschließenden Nachhandelsphase ist kein Handel mehr
möglich. Während dieser können nur noch bereits erteilte Aufträge modifiziert oder
gestrichen sowie neue erteilt werden. Dabei ist die Lage des Orderbuchs nicht ersich-
tlich.
Bezüglich der Ausführungsbeschränkungen existieren im Fortlaufenden Handel fünf
Variationen:
x Aufträge ohne Ausführungsbeschränkung,
x Immediate or Cancel-Orders, deren Umsetzung sofort und vollständig oder soweit
wie möglich erfolgt, wobei der nicht ausgeführte Teil gelöscht wird,
x Fill or Kill-Orders, die sofort und vollständig oder gar nicht umgesetzt werden,
x Stop Market-Orders, die nach dem Erreichen eines Stop-Limits dazu führen, dass
automatisch eine Market Order in das Orderbuch eingestellt wird und
x für Stop Limit-Orders resultiert nach einer Transaktion am Markt in Höhe des
Stop-Limits, dass dann automatisch eine Limit-Order in das Orderbuch eingestellt
wird.
Nach der Gültigkeitsbeschränkung kann in Auktionen und im Fortlaufenden Handel
zwischen den Bedingungen Good for Day, Good till Date und Good till Cancelled ge-
wählt werden. Dabei beträgt die maximale Gültigkeit 1 Jahr ab Eingabezeitpunkt.
352
Vgl. Deutsche Börse (1999), Xetra Information, Handel/Trading, S. 30 für diese Abbildung der
Preiskorridore im Fortlaufenden Handel.
158 Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel
353
Vgl. Deutsche Börse AG (2001), S. 6. Beispielsweise wurden am Dienstag, den 7. August 2001
von der Deutschen Bank 44 Mio. Aktien der Deutschen Telekom OTC verkauft. Im XXL gab es
vom 1. Januar bis zum 1.November 2005 keine Transaktion.
354
Vgl. Deutsche Börse AG (2001), S. 24.
Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel 159
Xetra eingeben. Der jeweilige Kontrahent muss über das OTC Trade Approval-Fenster
den Abschluss bestätigen.355 Jeder Marktteilnehmer kann im Orderbuch nur seine eige-
nen Orders, die entsprechend mit seinem User ID356 gekennzeichnet sind, sehen. Die
Herkunft der anderen im Orderbuch eingestellten Aufträge ist nicht ersichtlich. Für
diese ist erst nach einer Transaktion über die Schlussnote und in den Abwicklungs-
systemen der Deutsche Börse Clearing AG die Identität des Kontrahenten aufge-
führt.357
Zur Unterstützung der Marktteilnehmer, die sich auf Arbitragegeschäfte358 zwischen
dem DAX und dem DAX-Future konzentrieren, existiert eine Abräumfunktion (Mass
Order Entry). Damit kann ein Xetra-Teilnehmer für eine Vielzahl von Aktien vorher
definieren, von welchen Titeln er gleichzeitig jeweils eine individuelle Stückzahl han-
deln möchte. Dadurch kann sehr effizient eine Arbitrage zwischen beiden Märkten
stattfinden.359
Um den Marktteilnehmern einen möglichst guten Einblick in die Tiefe des Marktes zu
geben, konnten Händler mit einem Xetra-Anschluss im Kalenderjahr 2003 die gesamte
Tiefe des Orderbuchs sehen. Marktteilnehmer mit einem Zugang über Reuters konnten
i.d.R. lediglich die besten 10 Geld- und Briefkurse für jeden Wert sehen.
Aus dieser Ausgestaltung des Xetra folgen einige wichtige Aspekte für den Fortgang
der Untersuchung:
1. Durch die klar definierten Regeln haben die Marktteilnehmer sehr große Aktions-
und Reaktionssicherheit.
2. Die Transparenz für die Untersuchung des offenen Orderbuchs ist sehr gut.
3. Es handelt sich um ein sehr schnelles System, und auch um rasch ausführbare
Funktionalität, wie die Mass Order Entry-Funktion.
Seit 2002 steht den Anlegern als Liquiditätsmaß im Xetra die Kennzahl des Market
Impact zur Verfügung.360 Insbesondere für institutionelle Anleger, deren unlimitierte
355
Vgl. Deutsche Börse AG (1999), S. 11.
356
Vgl. Deutsche Börse AG (2001), S.23: Die Teilnehmerkennung (Member ID) wird von der
Deutschen Börse AG zugewiesen, wohingegen die Benutzerkennung (User ID) vom Member den
einzelnen Anwendern zugewiesen wird. Die Benutzergruppe hat die Möglichkeit eines
Überblicks über das gemeinsame, eigene Orderbuch.
357
Vgl. Deutsche Börse AG (2001), S. 11. Die Member ID werden nur bei OTC-Abschlüssen bereits
bei der Handelsbestätigung angezeigt.
358
GERKE (2002), S. 61: „Die Ausgleichsarbitrage nutzt die unterschiedliche Bewertung von ver-
schiedenen Finanzinstrumenten auf verschiedenen Märkten, z.B. zwischen Kassa- und Futures-
markt, aus. Die Differenzarbitrage basiert auf die zeitgleichen Kursunterschiede eines Finanz-
instrumentes auf verschiedenen Märkten.“
359
Vgl. STEINER / BRUNS (2002): S. 383 ff.
360
Vgl. GOMBER / SCHWEICKERT (2002) für eine detaillierte Darstellung des Market Impacts.
160 Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel
Orders zumeist nicht nur das beste Gebot abräumen, sondern auch noch weiter im
Buch liegende Limits benötigen, ist diese Kennzahl aufschlussreich. Diese wird für ein
gegebenes Euro-Transaktionsvolumen in Basispunkten berechnet, indem für den In-
vestor der Performance-Nachteil errechnet wird, der ihm für dieses Volumen durch
einen Auf- und Abbau der Position entsteht. Die entstehenden Kosten werden für alle
Transaktionen vom Mid-Quote bis zu den jeweiligen Limits ermittelt und summiert.
Diese Kennzahl verdeutlicht die Breite und Tiefe des Marktes.361
361
Vgl. GOMBER / SCHWEICKERT (2002), S. 4.
Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel 161
2.000
DTE
ALV
1.800 MUV
SIE
SAP
1.600 DBK
IFX
BAY
1.400 DCX
Optionswerte in Euro (OV)
EON
BASF
1.200 HVM
VOW
CBK
1.000
BMW
RWE
MEO
800
SCH
TKA
600 ALT
LHA
TUI
400 ADS
DPW
LIN
200 MAN
FME
HNK
0
OV10
OV9
OV8
OV7
OV6
OV5
OV4
OV3
OV2
OV1
OV1
OV2
OV3
OV4
OV5
OV6
OV7
OV8
OV9
OV10
Benachbarte Geldgebote Benachbarte Briefgebote
Legendensortierung nach Briefgebot OV10
1,4 LHA
CBK
HVM
1,2 IFX
LIN
DPW
MEO
Prozentuale Steigung
1,0
FME
DTE
ALT
0,8
BAY
RWE
HNK
0,6
BMW
SCH
VOW
0,4
ADS
DCX
BASF
0,2
EON
DBK
MUV
0,0
SIE
1-2 2-3 3-4 4-5 5-6 6- 7 7-8 8-9 9 - 10 2-1 3-2 4-3 5-4 6-5 7-6 8-7 9-8 10 - 9
SAP
Benachbarte Geldgebote Benachbarte Briefgebote ALV
1.600
1,4
1.400
1,2
MAN 1.200
Optionswert in Eur
o
1,0 LIN
FME ADS
1.000
Spread in %
LIN
HNK
0,8 MAN
ADS
800 FME
0,6 HNK
600
0,4
400
0,2
200
0,0 0
1-2 2-3 3-4 4- 5 5-6 6- 7 7- 8 8 - 9 9 - 10 2-1 3-2 4-3 5- 4 6- 5 7- 6 8-7 9 - 8 10 - 9 OV10 OV9 OV8 OV7 OV6 OV5 OV4 OV3 OV2 OV1 OV1 OV2 OV3 OV4 OV5 OV6 OV7 OV8 OV9 OV10
Benachbarte Geldgebote Benachbarte Briefgebote Benachbarte Geldgebote Benachbarte Briefgebote
Legendensortierung nach Briefgebot 10 - Briefgebot 9 Legendensortierung nach Briefgebot OV10
1.600
1,4
1.400
1,2
DTE
1.200
DCX DTE
1,0
DBK ALV
Optionswert in Euro
Spread in %
MUV 1.000
MUV
0,8 SIE SIE
ALV 800 DBK
0,6 DCX
600
0,4
400
0,2 200
0,0 0
1-2 2-3 3- 4 4-5 5-6 6- 7 7-8 8 - 9 9 - 10 2-1 3-2 4-3 5-4 6-5 7-6 8-7 9 - 8 10 - 9 OV10 OV9 OV8 OV7 OV6 OV5 OV4 OV3 OV2 OV1 OV1 OV2 OV3 OV4 OV5 OV6 OV7 OV8 OV9 OV10
linken Abbildungen, kommt es für Deutsche Telekom (liquide Gruppe) zu einem Kur-
venverlauf, der oberhalb der Kurve von Adidas (illiquide Gruppe) verläuft. Dies be-
deutet, dass die Liquidität der Deutschen Telekom, gemessen als Steigung des Order-
buchs, niedriger ist als die für Adidas. In der Abbildung der Deutschen Telekom mit
Optionswerten ist diese Aktie diejenige mit der höchsten Liquidität aller 28 Werte. Bei
den zwei rechten Darstellungen auf Basis der Optionswerte sind diese beiden Gruppen
der liquiden und der illiquiden Aktien deutlich verschieden. Hierbei weist Adidas
entlang der gesamten X-Achse nur ca. 7,9% bis maximal 10,1% von dem mit
Optionswerten gerechneten Liquiditätsbeitrag der Deutschen Telekom auf.
Als Ergebnis kann zusammengefasst werden, dass die grafische Darstellung des
Orderbuchs durch die Optionsbewertung der limitierten Orders im Vergleich zu der
Darstellungsweise der Steigungen des Orderbuchs von GLOSTEN (1994) einen
besseren Einblick in die Liquiditätslage liefert. Liquide und illiquide Aktien können
dabei deutlicher unterschieden werden. Damit kann diese Technik der grafischen Ver-
anschaulichung auch besser den Liquiditätsunterschied zwischen liquiden und
illiquiden Aktien abbilden. Somit kommt diese Darstellung den praktischen Be-
obachtungen im Handel mit den DAX-Titeln näher als die Steigungen des Orderbuchs.
Bei dieser Visualisierung der Orderbuchtiefe mit Hilfe der Optionswerte handelt es
sich um einen Zwischenschritt in der Modellierung der Erholungsfähigkeit. Im folgen-
den Kapitel wird die Konzentration auf das Modell der Erholungsfähigkeit fortgeführt.
Es werden die Parameter, die modelliert wurden auf den Datensatz angewendet. Diese
werden überprüft, ob sie, so wie im theoretischen Modell vorgeschlagen, genutzt
werden können, oder ob die Modellparameter individuell optimiert werden müssen.
Aufgrund des dominierenden Einflusses dieser Parameter auf die Resultate des
Modells der Erholungsfähigkeit werden sie einzeln überprüft. Es erfolgt an dieser
Stelle eine Überprüfung der Parameter, ob diese, so wie sie ursprünglich in dem
Modell implementiert sind, mit den vorliegenden Daten als sinnvoll bezeichnet werden
Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel 165
können. Falls nötig, können Anpassungen bei der Ausprägung der Variablen erfolgen,
wenn dadurch der Charakter des Modells nicht modifiziert wird.
mi ,t
ri ,t log( ) (4.4)
mi ,t 1
Die Berechnung der Volatilität für dieses kurzfristige Intervall von 15 Minuten muss
berücksichtigen, dass es mit den vorliegenden Daten nicht möglich ist, für einen Zeit-
raum von 15 Minuten eine Volatilität mit äquidistanten Transaktionspreisen zu berech-
nen. Die Daten sind jeweils zum Zeitpunkt von Transaktionen oder Veränderungen
von Geboten erfasst. Diese liegen nicht äquidistant vor. Gleich Zeitabstände könnten
nur erreicht werden, wenn in den Phasen ohne Umsätze jeweils pro Sekunde eine Ren-
362
Sigma steht in der vorliegenden Arbeit für die 15-minütige Volatilität, gemessen innerhalb von 15
Minuten, die auf Jahresbasis hoch skaliert ist.
363
Vgl. Tabelle 4-2.
364
Vgl. KEMPF / KORN (1997) für dieses Vorgehen.
166 Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel
dite von null berechnet würde.365 Dies müsste für alle 28 beobachteten Titel für das
gesamte Jahr 2003 für jede Handelssekunde erfolgen. Damit würden derart große
Datenbanken entstehen, dass diese für die weiteren Anwendungen und Berechnungen
praktisch nicht mehr nutzbar wären. Eine optimal wünschenswerte Berechnung der
integrierten Volatilität, wie sie in Kapitel 2.5.6.3.2. bei der Diskussion der realisierten
Volatilitätsschätzer vorgestellt wurde und z.B. von ANDERSEN / BOLLERSLEV /
DIEBOLD / LAYBS (1999) verwendet wurde, ist somit aufgrund der schon bestehen-
den Größe des Datensatzes nicht realisierbar. Die 15-minütige Volatilität für den Zeit-
raum von 15 Minuten wird mit Transaktionsrenditen wie folgt berechnet:
2
¦ (ln P )
i
2
V 15 Minuten
i
* n (4.5)
n 1
Pi = Rendite der Transaktionskurse, bezogen auf den Midquote
n = Anzahl der berechneten Renditen innerhalb von 15 Minuten
Diese stellt eine 15-minütige Volatilität, gemessen während 15 Minuten dar, die auf
Jahresbasis hoch skaliert wird. Dabei werden für die in 2003 erfassten 2.634,5
Handelsstunden jeweils vier 15-minütige Intervalle berücksichtigt:
2
V Jahr 2.634,5 * 4 (4.6)
365
Vgl. WOOD / MC INISH / ORD (1992) S.724 für diese Vorgehen der Berechnung der Rendite
von null Prozent für Nichthandelsphasen.
Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel 167
bei ca. 13,27 Mio: Diesem kommt HypoVereinsbank mit ca. 12,62 Mio. Renditen
nahe, womit diese Aktie als repräsentativ für die Gruppe der Titel mit mittleren
Umsätzen erachtet wird.
Anzahl Anteil an Anzahl Anteil an Anzahl bei Anteil an
bei allen 15- bei allen 15- 3 Sigma allen 15-
1 Sigma minütigen 2 Sigma minütigen minütigen
Intervallen Intervallen Intervallen
(10.538) (10.538) (10.538)
SIE 5.904 56,0% 1.339 12,7% 292 2,8%
HVM 6.075 57,6% 1.714 16,3% 528 5,0%
MAN 6.635 63,0% 2.824 26,8% 1.222 11,6%
Im Folgenden wird für das Modell aufgrund dieser Diskussion für die kurzfristige
Volatilität zur Berechnung des Gleichgewichts und einer außerordentlichen Kursbewe-
gung für die folgenden Untersuchungen eine Parametereinstellung von zwei Sigma
verwendet.
Das erste Ergebnis dieser Tabelle 4-9 ist, dass unabhängig von der Bandbreite der
Spannung vor der außerordentlichen Bewegung stets eine deutlich niedrigere Wahr-
scheinlichkeit für das Vorliegen eines Gleichgewichts existiert als dies danach beob-
achtbar ist. Nach den Kursausschlägen befinden für über alle drei Niveaus des Sigma
sich 93,47% bis 99,75% der Orderbuchsituationen im Gleichgewicht. Diese Beobach-
tung legt den Rückschluss nahe, dass das Modell der außerordentlichen Kursbewegun-
Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel 169
gen im Einklang steht mit dem praktisch nahe liegenden Gedanken, dass vor besonde-
ren nicht informationsbedingten Kursbewegungen häufig ein Ungleichgewicht im
Orderbuch herrscht, das sich danach wieder auflöst.
Für die Modellierung der Spannung resultiert aus Tabelle 4-9, dass der Bereich von
null bis drei nicht zielführend ist, weil bereits bei illiquiden Werten, wie z.B. der MAN
in mehr als 75% der außerordentlichen Bewegungen sich der Markt vorher im Gleich-
gewicht befindet. Gegen die Nutzung der Reservationsspannung von null bis eins
spricht, dass für illiquide Titel in mehr als 50% der Fälle vor der Kursbewegung ein
Ungleichgewicht herrscht. Dies könnte den Charakter des Modells dahingehend beein-
flussen, dass damit modelliert würde, dass bei illiquiden Werten überwiegend durch
das Vorliegen von Ungleichgewichten im Orderbuch deutliche, rasche Kursbewegun-
gen ausgelöst werden.
Als Ergebnis wird festgehalten, dass es am sinnvollsten erscheint, den Mittelweg zu
beschreiten und für die weiteren Untersuchungen für die Spannung den Bereich von
null bis zwei für das Vorliegen eines Gleichgewichts zu nutzen.
366
GOMBER / SCHWEICKERT / THEISSEN (2004), S.6 schlagen dieses zeitliche Intervall vor.
Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel 171
für die berechneten XLM-Maße wird für die einzelnen Aktien die Differenz betrachtet,
die sich daraus ergibt, dass zum Teil nicht beide Orderbuchseiten genügend Volumen
auf den besten 10 Geboten aufweisen, um den zeitgleichen Kauf und Verkauf in voller
Höhe umzusetzen. Ab einem Volumen von 500.000 Euro liegt relativ häufig auf einer
der beiden Orderbuchseiten bei den zehn besten Geboten nicht genügend Volumen
vor, um die Transaktion vollständig auszuführen. Bei 500.000 Euro weisen Altana,
Commerzbank, Deutsche Post, HypoVereinsbank, Metro und Thyssen Krupp für die
einzelnen Orderbuchseiten in Summe einen um mehr als zehn bp. höheren Wert auf,
als die Summe, die sich dann ergibt, wenn beide Seiten zeitgleich ausreichend gefüllt
sind. Bei 1 Mio. Euro trifft dies bereits neun der beobachteten 28 Aktien, bei denen
diese Differenz mehr als zehn bp. beträgt.367 Für Transaktionen bei denen bis zu
100.000 Euro sowohl gekauft als auch verkauft werden, sind gleichzeitig auf beiden
Seiten des Orderbuchs für alle untersuchten Titel noch ausreichend limitierte Aufträge
vorhanden, so dass dieses XLM-Maß für die Gleichgewichtsanalyse geeignet
erscheint.
Zuerst wird die Annahme getroffen, dass sich der Xetra-Markt zum größten Teil des
Handels im Gleichgewicht befindet. Danach wird verglichen, ob das XLM-Maß oder
die Spannung im Zeitablauf einen ruhigeren Verlauf aufweisen. Für die Kennzahl der
Spannung werden über alle außerordentlichen Kursbewegungen für die Phase eins und
die Phase vier die Standardabweichung und der Durchschnitt berechnet. Das XLM-
Maß wird ebenfalls nur zu den Zeitpunkten vor und nach einer außerordentlichen
Preisveränderung betrachtet. Dabei wird das XLM-Maß für 100.000 Euro zum jeweili-
gen Zeitpunkt dividiert durch den Jahresdurchschnitt dieses Maßes für die Aktie. Die-
ser Wert gibt an, wie hoch der Prozentsatz des XLM-Maßes vor und nach einer außer-
ordentlichen Kursbewegung ist, im Vergleich zu den Werten, die für eine Transaktion
dieser Größenordnung in 2003 durchschnittlich angefallen sind. Dadurch kann vergli-
chen werden, ob dieses potenzielle Kriterium für die Gleichgewichtsbeurteilung in den
außerordentlichen Situationen vom Durchschnittswert des Jahres signifikant ab-
weicht.368 Für das XLM-Maß wird analysiert, wie hoch dessen Veränderung im Tages-
verlauf ist und ob diese Kenngröße hohen Schwankungen unterliegt. Bei einer hohen
Varianz könnte nicht davon ausgegangen werden, dass es sich bei dem XLM-Maß um
eine Größe handelt, die in ruhigen Bahnen verläuft. Daher ist fraglich, ob die XLM-
367
Die versteckte Liquidität von Iceberg-Orders ist dabei nicht berücksichtigt, weil sie im Orderbuch
nicht ersichtlich ist und somit nicht aufgezeichnet wurde. Vgl. Kapitel 4.2.3
368
Vgl. HASBROUCK / SEPPI (1999), S. 2ff, für die Überlegung einer alternativen Gleich-
gewichtsdefinition, die für einen 15-minütigen Zeitraum vergleichen, ob sich die Differenz von
Maximalwert und Minimalwert von ihrem langfristigen Durchschnitt signifikant unterscheiden.
172 Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel
Kennzahl als Maßstab für ein Gleichgewicht verwendet werden könnte, das nur in
außerordentlichen Situationen nicht gegeben ist. Der Vergleich des XLM-Maßes mit
der Spannung erfolgt in Tabelle 4-11. Es wird wiederum exemplarisch für einen liqui-
den Titel, Siemens, einen illiquiden Wert, MAN, und eine Aktie mit mittlerer Liquidi-
tät, HypoVereinsbank, der Vergleich durchgeführt.
Spannung XLM
Standard- Standard
Durchschnitt Durchschnitt
abweichung abweichung
wird für das weitere empirische Vorgehen für die Reservationsspannung ein Korridor
von null bis zwei modelliert.
delsverlauf auftreten. Andererseits muss die Anzahl der Ereignisse, die aus den Daten
resultieren, groß genug sein, um auch für die Aktien mit weniger Beobachtungen sinn-
volle Aussagen für die Erholungsfähigkeit im Verlauf des Handels treffen zu können.
Bei 5-minütigen Analysezeiträumen ergeben sich für ca. ein bis fünf Prozent der Han-
delszeit Beobachtungen, die als außerordentliche Ereignisse beurteilt werden können.
Die absolute Anzahl liegt zwischen 393 und 1.476 Beobachtungen und stellt somit ins-
besondere für Titel mit wenigen gemessenen Erholungsbewegungen eine zu geringe
Datenbasis dar, um für die Erholungsfähigkeit im Tagesverlauf, unabhängig von Ein-
zelereignissen, Aussagen treffen zu können. Die Betrachtung einer 30-minütigen Zeit-
spanne für das Vorliegen einer starken Kursschwankung ergibt, dass während 36,3%
bis 55,0% des Tages außerordentliche Bewegungen vorliegen. Daher erscheint die
Verwendung dieses Zeitintervalls für die Modellierung der Erholungsfähigkeit nicht
sinnvoll.
Als Ergebnis der Überprüfung der zentralen Modellparameter lässt sich zusammen-
fassen, dass sich ein Basiszeitraum von 15 Minuten und eine geforderte kurzfristige
Volatilität von mindestens zwei Sigma für die zukünftige Modellierung und weitere
Untersuchungen am besten eignen. Falls sich an diese Ausgangsbewegung eine wei-
tere anschließt, die in einem Zeitrahmen von erneut maximal 15 Minuten zusätzlich
mindestens ein Sigma beträgt, so ist es sinnvoll, diesen auch noch zu berücksichtigen.
In einem solchen Fall wird nach einer Kursbewegung von mehr als zwei Sigma inner-
halb von 15 Minuten oder mehr als drei Sigma innerhalb von 30 Minuten gesucht, die
dann als außerordentlich gilt. Aus dieser Überprüfung der Modellparameter folgen
bezüglich des geforderten Sigma und der geforderten Zeitspanne zwei Anpassungen,
wodurch der ursprüngliche Charakter des Modells nicht maßgeblich verändert wird.
Die Anzahl der Beobachtungen in 2003 für einen Filter von mehr als zwei Sigma (drei
Sigma) und einem Zeitraum von maximal 30 Minuten für die außerordentliche Kurs-
bewegung wird pro Aktie in Abbildung 4-10 dargestellt.
Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel 175
3.500
3.000
Anzahl der Bewegungen größer als zwei Sigma
2.500
2.000
1.500
1.000
500
0
LV
tt
P
SF
N
E
H
LT
EN
S
W
PW
TE
CX
BK
EO
N
I
W
TU
ni
SA
D
SI
RW
FM
LH
EO
A
IF
TK
SC
LI
BA
CB
V
BM
BA
A
D
A
A
ch
H
M
D
M
M
D
H
V
hs c
ur
D
Aktie
Der Algorithmus, der aus dem Modell und seiner Überprüfungen resultiert, wird im
Folgenden beschrieben, um die Umsetzung der Programmierung zu verdeutlichen.
Die grundlegende Berechnung nutzt ein Zeitfenster von 15 Minuten, das den gesamten
Handelsverlauf chronologisch durchläuft und dabei nach einer außerordentlichen
Kursbewegung von mehr als zwei Sigma sucht. Die Analyse, ob vor einer außeror-
dentlichen Kursbewegung ein Gleichgewicht vorliegt, startet rückwirkend, wenn ein
Kursausschlag von mehr als zwei Sigma festgestellt wurde. Für die Phase eins wird
die Volatilität genutzt, die aus dem 15-minütigen Zeitraum vor der außerordentlichen
Kursbewegung errechnet wurde. Dafür beginnt der Berechnungszeitraum zum Start
der außerordentlichen Kursbewegung, dem Ende der Phase eins und dem Beginn der
Phase zwei, und wird zurückgerechnet für die 15 Minuten der Phase eins. Diese gilt
als Maßstab für die gesamte Beobachtung in allen vier Phasen und wird auf Jahres-
basis berechnet. Die 15-minütige Volatilität wird herangezogen, um zu errechnen, wie
lange das Zeitfenster ist, in dem sich Kursbewegung und die Spannung innerhalb ihrer
Schranken bewegen müssen, so dass ein Gleichgewicht vorliegt. Innerhalb der ersten
15 Minuten des Handelstages, wenn noch keine 15-minütige Volatilität berechnet wer-
369
Das Programm zum Generieren der Rohdaten, das auf den Datenstrom von Reuters zugreift,
beläuft sich auf 823 Zeilen. Die Tests zur Datenaufbereitung, Bereinigung und Sortierung
umfassen 502 Programmzeilen. Die Programme für die Berechnung der Optionswerte, der XLM-
Maße, der Strategien der Orderplazierung und der Erholungsfähigkeit bestehen aus 4.765 Zeilen.
Letztlich resultieren insgesamt für die vorliegende Arbeit 6.090 Zeilen Quellcode.
Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel 177
den kann, wird die auf Tagesschlusskursbasis errechnete Volatilität der letzten 30
Handelstage verwendet und auf 15 Minuten skaliert. Ein Problem bei der Berechnung
der Volatilität ist, dass diese nur mit Tickdaten berechenbar ist. Die Transaktionen fin-
den nicht äquidistant statt, so dass es Unschärfen in der so berechneten Volatilität zwi-
schen Aktien mit vielen Transaktionen, bei denen diese Verfahren eher die Volatilität
überschätzen, und Aktien mit wenigen Transaktionen, bei denen die Volatilität tenden-
ziell unterschätzt wird, gibt. Die Länge der Phase eins beträgt 15 Minuten multipliziert
mit dem Divisor aus der für diesen Tag minimal existierenden 15-minütigen Volatilität
und der 15-minütigen Volatilität zum Start der Phase eins. Die durchschnittliche Span-
nung entspricht für diesen Zeitraum aus der Formel (3.10). Der durchschnittliche
Preis für diesen Zeitraum wird anhand der Transaktionskurse berechnet.
Für das 15-minütige, rollierende Zeitfenster werden im Tagesverlauf das lokale Maxi-
mum und das lokale Minimum berechnet. Diese Extremata werden im Programm
fixiert, wenn auf einen Hoch- oder Tiefpunkt keine Gegenbewegung des Kurses folgt,
die die ursprüngliche Kursbewegung um mehr als ein Sigma umkehrt.
Ist die Aktienperformance, bezogen auf den Kurs zum Start des Zeitfensters und der in
Phase eins errechneten Volatilität, größer als zwei Sigma, so liegt ein außerordentli-
cher Kursausschlag vor. Falls diese Bewegung nach dieser Periode von 15 Minuten
noch nicht beendet ist, wird ein weiteres 15-minütiges Intervall daraufhin untersucht,
ob sich die ursprüngliche Ausgangsbewegung fortsetzt. Dieses wird dann berücksich-
tigt, wenn in diesem zweiten Zeitfenster die Kursveränderung einen Wert von einem
Sigma überschreitet. So wird gewährleistet, dass entweder in 15 Minuten eine Kurs-
veränderung von mehr als zwei Sigma erfolgt oder in maximal 30 Minuten mindestens
drei Sigma überschritten werden.
Startpunkt für die Messung der Zeit der Erholungsfähigkeit in der Phase drei ist das
Kursmaximum oder -minimum der Phase zwei. An dieses Extremum schließt sich ent-
sprechend dem Modell eine Kursumkehrung an, die größer als ein Sigma ist. Ab die-
sem Startzeitpunkt der Phase zwei beginnt wieder die Untersuchung von 15-minütigen
Zeitspannen auf der Suche nach einem neuen Gleichgewicht. Die kürzest mögliche
Zeitspanne bis zum Beginn eines Gleichgewichtszeitraumes ist null Sekunden, wenn
sofort nach dem Kursextremum der Phase zwei die Gleichgewichtsbedingungen für
den mathematisch definierten Zeitraum erfüllt sind. Das Maximum der Phase drei
178 Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel
Die Phase vier sucht nach einem 15-minütigem Gleichgewichtszeitraum, der idealer
Weise die außerordentliche Kursbewegung abschließt. Als kurzfristige Volatilität
wird, wie in allen vier Phasen, die in Phase eins errechnete Volatilität herangezogen.
Zuerst wird diese Phase auf das Vorliegen einer Spannung untersucht, die sich im not-
wendigen Zeitraum innerhalb ihres Reservationswertes aufhält. Ist dies der Fall, so
wird für die gleiche Zeitspanne überprüft, ob gleichzeitig auch die Volatilitätsbeding-
ung erfüllt ist. Ist dies nicht der Fall, wird im zweiten Schritt analysiert, ob im Zeit-
raum nur die Volatilitätsbedingung vorliegt, diese also nur relativ niedrige Schwank-
ungen aufweist. Im letzten Schritt wird verglichen, ob sowohl die Bedingung der
Spannung als auch die der Volatilität erfüllt sind, diese aber nicht im gleichen Zeit-
raum vorliegen. Spätestens 30 Minuten nach dem Start der Phase drei muss ein
Gleichgewichtszeitraum begonnen haben, so dass die Berechnung der Phase vier spä-
testens 30 Minuten nach ihrem Start abgebrochen wird. Abschließend wird der Durch-
schnittskurs wie in Phase eins anhand der Transaktionskurse errechnet.
Im folgenden Abschnitt wird dieser Algorithmus auf die Daten des Jahres 2003 ange-
wendet, um die Erholungsfähigkeit der 28 betrachteten Aktien zu untersuchen.
teilt. Die Tabelle 4-16 am Ende des Kapitels stellt das Endergebnis und die damit neue
Charakterisierung der mathematischen Berechnungen der Erholungsfähigkeit für die
DAX-Titel dar.
Mit dem beschriebenen Algorithmus werden die vier Phasen berechnet. In den Phasen
eins und vier wird untersucht, ob ein Gleichgewicht vorliegt. Dieses kann unterschied-
liche Ausprägungen haben. Sie prüfen, ob sich das Kursniveau wieder auf dem ur-
sprünglichen Niveau einfindet, ob dementsprechend die Spannung der Optionswerte
im Orderbuch gering ist, und ob die Volatilität eine niedrige Schwankungsbreite auf-
weist. Im Modell in Kapitel 3.3. wird zwischen einer vollständigen und einer partiellen
Erholungsfähigkeit unterschieden. Für den Datensatz in 2003 ergeben sich die in
Tabelle 4-13 angeführten möglichen Ausprägungen hinsichtlich des Vorliegens eines
Gleichgewichts. Diese Aufgliederung in die Gruppen von null bis vier geht weiter als
die ursprüngliche Modellierung im Kapitel 3. Diese feinere Aufteilung resultiert aus
den programmiertechnischen Notwendigkeiten für die Umsetzung des Modells. Die
Analyse des Orderbuchs nach der außerordentlichen Kursbewegung differenziert fünf
verschiedene Zustände. Die Untersuchung des Orderbuchs vor dem Kursausschlag
unterteilt nur vier Kategorien, dort wird der Zustand drei nicht genutzt. Die Klasse drei
wurde ausschließlich für die Untersuchung der Phase vier nach der Kursbewegung
eingeführt. Diese Ausprägung liegt dann vor, wenn in einem 30-minütigen Intervall
sowohl die Reservationsspannung als auch die Reservationskursbewegung entspre-
chend der Gleichgewichtsdefinition vorliegen, es aber keinen 15-minütigen Zeitraum
gibt, in dem beide Bedingungen gleichzeitig erfüllt sind.
Die Analyse der Phase eins vor der Bewegung ist diesbezüglich strenger, weil sie ma-
ximal 15 Minuten analysiert, in der die Bedingungen des Gleichgewichts im selben
Zeitraum vorliegen müssen und die Klasse drei nicht als zusätzliche Klasse möglich
ist. Es wird in der Phase eins in einem festen Zeitfenster von maximal 15 Minuten
nach einem Gleichgewicht gesucht. In Phase vier hingegen wird über ein längeres,
rollierendes Zeitfenster analysiert, ob eine oder beide Gleichgewichtsbedingungen vor-
liegen.
180 Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel
Partielles Gleichgewicht:
1 1 Nur die Spannung erfüllt die Gleichgewichts-
bedingung
Partielles Gleichgewicht:
2 2 Nur der Kurs liegt in seiner Reservationskursbe-
wegung
Partielles Gleichgewicht:
Wird nicht abgefragt 3 Spannung und Kurs erfüllen die Gleichgewichts-
bedingung, aber nicht im gleichen Zeitraum.
4 4 Vollständiges Gleichgewicht
Startgleichgewicht
Alle 28 Titel 0 1 2 3 4
(Phase eins)
Durch-
1.988 1,12% 1.328 0,91 991 67,3% 337 3,60 52,6%
schnitt
diese ihr neues Gleichgewicht in der Phase vier wieder gefunden haben. Zuerst wird
die Zeit, gemessen in Minuten, für alle Erholungsbewegungen dargestellt (Spalte vier).
Dann folgt die Anzahl der Bewegungen, an die sich unmittelbar nach dem Kursaus-
schlag innerhalb von null Minuten ein neues Gleichgewicht anschließt. Zuletzt wird
die Dauer der Phase drei für die Beobachtungen, in denen diese Zeitspanne größer als
null ist, angegeben (Spalte acht). Die beiden wichtigsten Kennzahlen für die weitere
Beurteilung der Erholungsfähigkeit einer Einzelaktie sind der Prozentsatz der vollstän-
digen Erholungsbewegungen (Spalte sechs) und die durchschnittliche Zeitdauer dieser
Bewegung (Spalte acht). Diese werden in der Einteilung der Aktien in illiquide und
liquide Gruppen der Erholungsfähigkeit weiter verwendet (vgl. Tabelle 4-16). Die auf-
fälligsten Werte weist MAN auf, bei der lediglich 57,5% der außerordentlichen Kurs-
bewegungen eine vollständige Erholung aufzeigen und Siemens, für die 76,8% resul-
tieren. Der durchschnittliche Wert beläuft sich auf 66,7%. Die minimale, durchschnitt-
liche Zeit der Erholung nach außerordentlichen Kursbewegungen beläuft sich auf 0,28
Minuten für Daimler Chrysler, und die maximale auf 1,88 Minuten für Fresenius
Medical Care. Durchschnittlich über alle 28 Titel beträgt die Dauer 0,91 Minuten. Die
Spalte neun gibt den Prozentsatz der Aktien wieder, die eine vollständige Erholungs-
bewegung hinsichtlich der Gleichgewichte und der Kursentwicklung aufweisen. In
diesen Beobachtungen liegt in Phase eins und Phase vier ein Gleichgewicht vor. Zu-
sätzlich pendelt sich der Aktienkurs nach der außerordentlichen Kursbewegung wieder
auf so einem Niveau ein, dass der durchschnittliche Aktienkurs nach dem Kurs-
ausschlag mindestens zur Hälfte umgekehrt wurde. Beispielsweise für Adidas bedeutet
dies, dass die durchschnittliche außerordentliche Kursbewegung in maximal 30
Minuten 0,67% ist. Die Spalte neun gibt die Umkehrbewegungen an, bei dem dieser
Ausschlag um mindestens die Hälfte, also ca. 0,335%, wieder umgekehrt wurde.
Ein Vergleich mit den beiden anderen Liquiditätsdimensionen, Marktbreite und
Markttiefe und eine Einordnung dieser Kennzahlen der Erholungsfähigkeit erfolgt bei
den Hypothesentests (vgl. Kapitel 4.8.3.).
Als Zusammenfassung der Berechnung der Erholungsfähigkeit können auf Basis der
Ergebnisse in Tabelle 4-16 die Aktien in vier Gruppen entsprechend ihrer Erholungs-
fähigkeit klassifiziert werden. Dazu wird als erstes Kriterium der prozentuale Anteil
aller Bewegungen herangezogen, die eine vollständige Erholungsbewegung aufwie-
sen. Als Zweites wird berücksichtigt, wie hoch die durchschnittliche Dauer aller auf-
getretenen, vollständigen und partiellen Erholungsbewegungen ist. Diese beiden
Faktoren werden gleich gewichtet und entsprechend ihrer Ausprägung für die einzel-
nen Aktien mit Rangnummern versehen.
184 Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel
ständige Erholungsfähigkeit statt. Dies erfolgt im Durchschnitt nach 4,04 bis zu 4,65
Minuten. Dieses Zeitintervall ist im Vergleich zu den anderen drei Gruppen sehr lang.
Der auffälligste Wert in dieser Gruppe ist Deutsche Telekom. Sie wird entsprechend
der Kriterien Marktbreite und Markttiefe (vgl. Tabelle 4.3.2 und 4.3.3) als sehr liquide
beurteilt. Bei der Beurteilung der Erholungsfähigkeit weist sie eine geringe prozen-
tuale Anzahl von Erholungsbewegungen auf, die zumeist viel Zeit benötigen. Am
Ende der Tabelle umfasst die Gruppe mit den sieben liquidesten Werten die Aktien
von Allianz, SAP, E.ON, BASF, VW, Siemens und Daimler Chrysler. Bei diesen
Werten fällt VW auf, die nach den Kriterien Marktbreite und Markttiefe tendenziell
eher zu den illiquiden Aktien zählt.
Nach dieser abschließenden Analyse der Tabelle mit den Ergebnissen zur Erholungs-
fähigkeit werden sie grafisch aufbereitet. Dadurch können Erkenntnisse über charakte-
ristische Verläufe der Erholungsfähigkeit im Tagesverlauf gewonnen werden.
chen Verlauf auf die oben bereits festgelegten elf Handelsstunden, so dass für jeden
Klusterpunkt in der grafischen Darstellung im Durchschnitt lediglich ca. zwei Be-
obachtungen vorliegen würden. Dies stellt den extremsten Fall dar. Um für die grafi-
sche Darstellung eine sinnvolle Menge an Datenpunkten zu erhalten, wird die Erho-
lungsfähigkeit nicht nach positiven oder negativen Kursbewegungen differenziert.
Weiterhin folgt aus diesen Überlegungen, dass die Beobachtungen jeweils zu 60-
minütigen Zeitintervallen zusammengefasst werden. Diese außerordentlichen, absolu-
ten Kursbewegungen werden von 0% bis 5,5% abgetragen. Die einzelnen Klassen um-
fassen jeweils 0,5%.
Es folgen grafische Darstellungen der Erholungsfähigkeit für Einzeltitel. Zunächst
werden exemplarisch drei Repräsentanten aus der illiquide Gruppe aufgeführt.
14
Zeit der Erholungsfähigkeit in Min.
12
10
0
0%
0.5 %
1%
1.5 % 20:00
Außerordentl. 19:00
2% 18:00
17:00
Kursbewegung 16:00
15:00
2.5 % 14:00
in Prozent 13:00
12:00
11:00
3% 10:00
09:00 Handelszeit
Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel 187
Erholungsfähigkeit TUI AG
14
Zeit der Erholungsfähigkeit in Min.
12
10
0
0%
0.5 %
1%
1.5 %
20:00
Außerordentl. 2% 19:00
18:00
17:00
Kursbewegung 16:00
2.5 % 15:00
14:00
in Prozent 12:00
13:00
3% 11:00
10:00
09:00
Handelszeit
14
Zeit der Erholungsfähigkeit in Min.
12
10
0
0%
0.5 %
1%
1.5 %
20:00
Außerordentl. 2% 18:00
19:00
Kursbewegung 17:00
16:00
15:00
in Prozent 2.5 % 14:00
13:00
12:00
11:00
3%
09:00
10:00 Handelszeit
Des Weiteren folgen weitere drei Beispiele für Aktien mit einer hohen Erholungs-
fähigkeit, die sich in der liquiden Gruppe befinden.
188 Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel
Erholungsfähigkeit ALLIANZ AG
Zeit der Erholungsfähigkeit in Min.
0
0%
0.5 %
14:00
1% 13:00
1.5 % 12:00
Außerordentl. 2% 11:00
Kursbewegung 2.5 % 10:00
in Prozent Handelszeit
3% 09:00
Erholungsfähigkeit SAP AG
7
Zeit der Erholungsfähigkeit in Min.
0
0%
0.5 %
1%
1.5 % 19:00 20:00
Außerordentl. 18:00
2% 16:00 17:00
Kursbewegung 2.5 % 14:00 15:00
12:00 13:00
in Prozent 3% 10:00 11:00
09:00
Handelszeit
Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel 189
0%
0.5 %
1%
1.5 %
Außerordentl. 19:00 20:00
17:00 18:00
Kursbewegung 15:00 16:00
2% 14:00
in Prozent 12:00 13:00
10:00 11:00
09:00
Handelszeit
Dennoch ist aus diesen Abbildungen ersichtlich, dass diese Intraday-Schemata inner-
halb des Handelstages in Einklang mit Untersuchungen zum Verlauf der Liquiditäts-
dimension der Marktbreite und Markttiefe innerhalb eines Tages stehen. 372 Beispiels-
weise MADHAVAN (1992) weist zumeist zum Handelsstart, zur Eröffnung der Bör-
sen in den USA und gegen Ende des Handels im Xetra außerordentliche Situationen
für die Liquidität nach.
370
Vgl. BELTRAN-LOPEZ / GIOT / GRAMMIG (2002) für die Untersuchung dieser Handelszeiten
in Europa, wenn die Börsen in den USA eröffnen.
371
Vgl. GRAMMIG / MELVIN / SCHLAG (2001) die für drei deutsche Standardwerte, die in den
USA offiziell notiert sind vor und während des Handels in den USA eine deutliche Erhöhung der
Handelsumsätze im Vergleich zum Tagesdurchschnitt festgestellt haben.
372
Vgl. MADHAVAN (1992), FOSTER / VISWANATHAN (1994), GIOT / GRAMMIG (2002).
190 Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel
Nach der Klassifizierung der Erholungsfähigkeit für die 28 Einzelwerte und der grafi-
schen Darstellung für Aktien aus der ersten und vierten Gruppe folgt die
Durchführung der Tests für die in Kapitel 3.6 formulierten Hypothesen.
Test der Hypothese 1: Die Erholungsfähigkeit einer Aktie ist abhängig von der
Tageszeit.
x Die Aktien, die auch in den USA ein offizielles Listing haben, weisen in den
Nachmittagsstunden, um den Zeitpunkt der Handelseröffnung in den USA, häufi-
ger Kursausschläge auf. Diese sind dadurch charakterisiert, dass sie oft mehr Zeit
benötigen, bis sich wieder ein Gleichgewicht einstellt.373 Vgl. z.B. Abbildung
4-11, TUI, Deutsche Telekom sowie z.B. Abbildung 4-12, Allianz, E.ON und
SAP.
x Die Erholungsfähigkeit ist in den letzten Handelsstunden sehr niedrig. Die Aktien
benötigen im Vergleich zum übrigen Teil des Handelstages zwischen 17:00 Uhr
bis 20:00 Uhr sehr lange Zeiträume, bis sie sich nach einem Kursausschlag wieder
im Gleichgewicht befinden. Vgl. Abbildung 4-11, TUI sowie Abbildung 4-12
SAP.
Bezüglich der Hypothese 1 kann zusammengefasst werden, dass dieses grafische Ver-
fahren dafür spricht, dass die Erholungsfähigkeit im Tagesverlauf deutlichen Schwan-
kungen unterliegt. Hypothese 1 wird somit bestätigt.
Test der Hypothese 2: Die Erholungsfähigkeit weist keine hohe positive Korrelation
zu den Liquiditätsdimensionen Marktbreite und -tiefe auf.
Im zweiten Test stellt sich die Frage, ob das Modell der Erholungsfähigkeit eine Kenn-
größe liefert, die in Verbindung mit den bestehenden Determinanten der Liquidität,
Marktbreite und Markttiefe steht. Um diese Hypothese zu überprüfen wird ein statisti-
scher Test durchgeführt. Für diese lautet die Nullhypothese:
373
Vgl. Anhang 14 für die Aktien, die eine offizielle Notierung in den USA haben.
192 Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel
Vor der Durchführung des statistischen Tests wird eine Untersuchung der Korrelation
vorgenommen. Diese Korrelationsberechnung erfolgt anhand von Rangnummern, die
für die Liquiditätsdimensionen vergeben werden. Diese berechneten Korrelationen
werden mit einem t-Test überprüft, ob sie einer Normalverteilung unterliegen. Dabei
werden die aufgeführten Null-Hypothesen getestet. Für die Marktbreite wird das
durchschnittliche Handelsvolumen pro Tag verwendet (vgl. Tabelle 4-4). Die Markt-
tiefe wird repräsentiert durch die Steigung des Orderbuchs von Gebot eins bis zu
Gebot zehn (vgl. Tabelle 4-6 und Tabelle 4-7). Um die Erholungsfähigkeit zu berück-
sichtigen, werden zwei Kennzahlen verwendet. Pro Aktie wird der Prozentsatz der Be-
wegungen genutzt, die eine vollständige Erholungsbewegung aufweisen. Des Weiteren
wird die durchschnittliche Zeit der Phase drei als zweite Kenngröße verwendet (vgl.
Tabelle 4-16).
Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel 193
Erholungsfähigkeit:
Marktbreite: Anteil der
Markttiefe: Erholungsfähigkeit:
Durchschnittl. außerordentlichen
Orderbuchsteigung Zeitspanne der
Handelsvolumen Rang Rang Kursausschläge mit Rang Rang
von Gebot 1 bis zu Erholungsfähigkeit
pro Transaktion vollständiger
Gebot 10 (Prozent) (Minuten)
(Euro) Erholungsfähigkeit
(Prozent)
ADS 24.499 14 0,30% 19 68,5% 16 1,35 7
ALT 19.747 9 0,38% 14 63,9% 12 1,35 6
ALV 39.279 22 0,16% 28 68,5% 17 0,38 26
BASF 36.723 21 0,24% 21 76,6% 27 0,60 18
BAY 26.643 16 0,36% 15 71,3% 19 0,53 22
BMW 30.277 19 0,32% 18 75,2% 23 0,55 20
CBK 23.100 12 0,63% 4 57,3% 5 1,02 11
DBK 50.409 27 0,19% 24 73,9% 21 0,49 24
DCX 36.181 20 0,23% 22 76,3% 26 0,28 28
DPW 18.502 5 0,57% 6 63,2% 11 1,13 9
DTE 55.558 28 0,38% 12 60,9% 8 0,62 17
EOA 41.425 24 0,21% 23 75,9% 24 0,54 21
FME 14.783 3 0,49% 11 56,3% 4 1,88 1
HEN 18.858 7 0,38% 13 65,7% 13 1,48 5
HVM 22.128 11 0,56% 8 56,0% 2 1,01 12
IFX 27.732 17 0,56% 7 60,7% 7 0,87 15
LHA 18.751 6 0,62% 5 66,0% 14 0,88 14
LIN 16.052 4 0,55% 9 59,8% 6 1,60 2
MAN 14.625 2 0,79% 1 55,7% 1 1,59 3
MEO 21.433 10 0,53% 10 62,8% 10 1,11 10
MUV 40.450 23 0,18% 26 66,9% 15 0,51 23
RWE 25.845 15 0,34% 16 69,4% 18 0,72 16
SAP 46.786 25 0,18% 27 75,2% 22 0,55 19
SCH 23.331 13 0,32% 17 71,4% 20 1,00 13
SIE 50.177 26 0,18% 25 76,8% 28 0,35 27
TKA 19.720 8 0,65% 2 61,5% 9 1,16 8
TUI 13.630 1 0,65% 3 56,0% 3 1,49 4
VOW 29.856 18 0,29% 20 76,3% 25 0,48 25
Durch-
28.804 - 0,40% - 66,7% - 0,91 -
schnitt
Für den statistischen Test von zwei unabhängigen Verteilungen bietet es sich an, für
die beiden zu untersuchenden Parameter Ränge entsprechend ihrer Ausprägung zu ver-
geben. Der Vorteil ist, dass die Liquiditätsdimensionen nicht mit ihren gemessenen
Merkmalsausprägungen miteinander verglichen werden, sondern mit ihren Rängen.
Dadurch werden sie mathematisch, statistisch vergleichbar gemacht. Die 28 Aktien
werden entsprechend ihres Grades für die jeweilige Liquiditätsdimension aufsteigend
sortiert und durch Rangnummern gekennzeichnet. Dafür erhält die liquideste Aktie
den Wert 28 und der illiquideste Wert den Rang eins. Im Weiteren werden diese Rang-
nummern für das Erstellen von Korrelationen und -diagrammen verwendet.
194 Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel
374
Vgl. BAMBERG / BAUR (1989), S. 37.
196 Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel
Die höchsten negativen Korrelationen weisen die Zeit der Erholungsfähigkeit zur
Marktbreite (-0,80) und der Anteil der außerordentlichen Kursbewegungen mit einer
vollständigen Erholungsbewegung zur Markttiefe (-0,83) auf. Die entsprechenden
ökonomischen Zusammenhänge sind ebenfalls plausibel: Sehr liquide Aktien, mit
einer hohen Marktbreite benötigen wenig Zeit, bis sich nach außerordentlichen Kurs-
bewegungen wieder ein Gleichgewicht bildet. Sehr liquide Aktien mit einer hohen
Markttiefe weisen bei Kursausschlägen einen hohen Prozentsatz an Aktienkursent-
wicklungen auf, die wieder zu einer Gleichgewichtssituation führen.
Erholungsfähigkeit
Marktbreite
Markttiefe (Anteil der außerordentlichen Erholungsfähigkeit
(Durchschnittl.
(Orderbuchsteigung von Kursausschläge mit (Zeitspanne der
Handelsvolumen pro
Gebot 1 zu Gebot 10) vollständiger Erholungsfähigkeit)
Transaktion)
Erholungsfähigkeit)
Marktbreite
(Durchschnittl. Handelsvolumen 1,0000
pro Transaktion)
Markttiefe (Orderbuchsteigung
- 0,7558 1,0000
von Gebot 1 zu Gebot 10)
Erholungsfähigkeit
(Prozentsatz der
außerordentlichen 0,6113 - 0,8330 1,0000
Kursausschläge mit voll-
ständiger Erholungsfähigkeit)
Erholungsfähigkeit
(Zeitspanne der - 0,8011 0,6981 - 0,7562 1,0000
Erholungsfähigkeit)
xP
t n (4.7)
s
x = Rangkorrelationskoeffizient
µ = Durchschnitt
s = Standardabweichung
n = Anzahl der Beobachtungen
375
Vgl. BLEYMÜLLER / GEHLERT / GÜLICHER (2002), S. 107 ff. für das statistische Vorgehen
zum t-Test.
Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel 197
Erholungsfähigkeit
Marktbreite
Markttiefe (Anteil der außerordentlichen
(Durchschnittl.
(Orderbuchsteigung von Gebot Kursausschläge mit
Handelsvolumen pro
1 zu Gebot 10) vollständiger
Transaktion)
Erholungsfähigkeit)
Markttiefe (Orderbuchsteigung
- 0,4862
von Gebot 1 zu Gebot 10)
Erholungsfähigkeit
(Prozentsatz der außerorden-
tlichen Kursausschläge mit 0,3932 - 0,5358
vollständiger
Erholungsfähigkeit)
Erholungsfähigkeit
(Zeitspanne der - 0,5153 0,4491 - 0,4864
Erholungsfähigkeit)
Die Tabelle 4-19 gibt für alle möglichen Kombinationen der Liquiditätsmaße die t-
Werte an. Diese liegen für ein Signifikanzniveau von Į = 0,01 alle im Intervall der kri-
tischen Werte von [-1,96; 1,96]. Damit kann keine der sechs aufgestellten Nullhypo-
thesen, dass die Liquiditätsdimensionen untereinander keine positive Korrelation auf-
wiesen, verworfen werden. Diese statistisch signifikanten Ergebnisse können für die
Praxis so interpretiert werden, dass für die miteinander verglichenen Liquiditätsdimen-
sionen eine hohe Korrelation vorliegt, die mit dem allgemeinen Verständnis für diese
Liquiditätsmaße weitgehend deckungsgleich ist. Somit kann die Hypothese 2 der
vorliegenden Arbeit als widerlegt gelten.
Der bisherige Teil der empirischen Analyse hat sich maßgeblich mit der Liquiditätsdi-
mension der Erholungsfähigkeit beschäftigt. Für die 28 Aktien wurde dabei vor allem
die Frage untersucht, welche Ausprägung die Titel bezüglich der Erholungsfähigkeit
198 Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel
4.9.1 Kursreversalstrategien
HANDA / SCHWARTZ (1996b) konzentrieren sich bei ihrer Analyse von Handels-
strategien ausschließlich auf beobachtbare Kursbewegungen. In Anlehnung an ihr Ver-
376
Vgl. FOUCAULT (1999), der die Transaktionsmotive der Marktteilnehmer in zwei Beweggründe
unterteilt. Zum einen erwerben oder verkaufen Akteure Wertpapiere, weil ihrer subjektiven
Meinung entsprechend der aktuelle oder zukünftige (innere) Wert der Aktien nicht dem aktuellen
Marktpreis entspricht und zum anderen herrscht als Transaktionsgrundlage das Gewinnstreben
aufgrund einer kurzfristigen Einschätzung der Marktsituation.
Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel 199
fahren wird in der ersten Gruppe der Strategien ebenfalls so vorgegangen, dass nur
Kursbewegungen als Auslöser für Reversalstrategien fungieren. Der Grundlegende
Gedanke für einen erwarteten Gewinn ist das Bestreben, entweder im ersten Schritt ein
Wertpapier teuer zu verkaufen, um es dann wieder billiger zurück zu erwerben, oder es
zu Beginn billig zu erwerben, um es anschließend zu einem höheren Kurs zu veräu-
ßern. Für die 28 DAX-Titel werden 20 Kursfilter gesetzt. Diese starten bei -10% und
gehen in Schritten von einem Prozent auf -1% und im weiteren Verlauf von +1% bis
zu 10% hoch. Diese Filter werden jeweils vom Kurs der Eröffnungsauktion berechnet
und für jeden Handelstag neu gesetzt. Jeder Kursfilter kann pro Tag nur einmal aus-
gelöst werden und ein entsprechendes Geschäft anstoßen. Daraus resultiert, dass für
eine Aktie pro Tag maximal zehn Kauf- und zehn Verkaufspositionen eröffnet werden
könnten. Sobald eine Rendite erreicht wird, die vom Handelsstart gemessen, den
ersten Filter überspringt, wird eine Transaktion zum vorherrschenden Geld- oder
Briefkurs ausgelöst. Wird ein positiver Renditefilter überschritten, werden Aktien
verkauft. Im Falle von Kursverlusten erfolgt ein Kauf. Diese Position wird bis zum
Börsenschluss des Tages gehalten. Dann werden die Aktien in der Auktion entweder
verkauft oder gekauft, so dass wieder der ursprüngliche Bestand von vor dem Han-
delsstart besteht. Für jeden Titel wird die durchschnittliche Performance pro Rendite-
filter berechnet. Transaktionskosten werden dabei anhand der pro Aktie individuellen
XLM-Werte mit einbezogen.
Die Ergebnisse dieses Vorgehens werden in Tabelle 4-20 für Kursrückgänge und in
Tabelle 4-21 für positive Aktienentwicklungen dargestellt.
200 Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel
ngen
Beob hl der
hl
hl
hl
hl
hl
hl
hl
hl
hl
hl
achtu
-10%
-9%
-8%
-7%
-6%
-5%
-4%
-3%
-2%
-1%
Anza
Anza
Anza
Anza
Anza
Anza
Anza
Anza
Anza
Anza
Anza
ADS 147 1,35 1 0,32 1 - 0,67 1 - 1,63 1 - 0,64 3 - 0,06 7 0,11 16 0,15 38 0,30 79
ALT 204 2,09 1 2,12 4 1,17 10 0,90 22 0,54 34 0,24 53 0,27 80
ALV 331 3,49 4 2,51 4 1,46 4 1,02 7 0,69 12 1,07 33 0,65 42 0,66 59 0,42 74 0,14 92
BASF 197 1,59 1 0,22 2 - 0,02 6 0,61 13 0,84 32 0,39 58 0,27 85
BAY 295 0,66 3 0,27 4 1,44 7 0,43 7 0,64 12 0,44 18 0,59 32 0,49 49 0,29 71 - 0,06 92
BMW 228 1,12 1 0,44 2 0,38 3 - 0,20 4 1,02 11 0,68 23 0,72 38 0,54 59 0,33 87
CBK 276 1,31 2 0,31 2 1,94 5 1,14 6 0,48 7 1,31 20 0,85 32 0,77 45 0,57 66 0,46 91
DBK 211 2,50 2 0,60 6 - 0,04 13 0,94 41 0,41 58 0,47 91
DCX 227 0,42 1 1,73 2 2,02 11 1,10 18 1,25 40 0,70 65 0,31 90
DPW 190 3,66 1 2,37 1 1,34 1 0,44 1 1,26 3 0,78 5 0,55 14 0,53 30 0,61 56 0,35 78
DTE 171 - 1,18 1 - 1,16 2 - 1,22 3 - 1,18 4 - 0,50 7 - 1,29 8 - 0,86 16 - 0,67 25 - 0,15 43 - 0,07 62
EOA 171 0,40 2 0,38 7 0,41 12 0,54 24 0,29 47 0,19 79
FME 224 2,73 1 1,69 1 1,96 2 1,01 2 0,99 5 1,09 11 1,13 20 0,76 32 0,67 56 0,58 94
HEN 158 2,15 1 1,15 1 0,14 1 - 0,86 1 0,42 3 - 0,07 5 0,22 10 0,14 18 0,28 44 - 0,09 74
HVM 376 1,72 2 1,13 7 0,60 9 0,63 17 0,22 21 0,06 30 0,42 46 0,17 63 0,33 83 0,10 98
IFX 337 3,46 3 2,41 3 1,83 4 0,93 4 1,56 17 1,04 27 1,30 46 0,97 60 0,84 77 0,20 96
LHA 248 0,71 1 1,07 3 1,02 7 1,05 16 1,15 28 0,45 39 0,55 68 0,28 86
LIN 221 1,70 1 1,33 2 1,24 7 1,18 12 0,76 21 0,56 41 0,06 56 0,16 81
MAN 254 3,16 1 1,41 3 0,90 4 1,04 7 0,82 9 0,99 15 0,62 28 0,38 39 0,69 65 0,49 83
MEO 262 1,93 1 0,69 1 0,09 3 0,34 5 - 0,08 8 0,07 14 0,09 25 0,37 47 0,10 65 0,50 93
MUV 339 - 1,85 2 0,33 5 - 0,28 8 - 0,61 11 - 0,47 16 0,24 29 0,72 42 0,46 59 0,19 77 0,09 90
RWE 212 - 1,00 1 - 0,65 5 - 1,24 6 - 0,17 16 0,50 38 0,26 61 0,28 85
SAP 223 0,51 3 0,84 9 0,82 23 0,72 38 0,71 61 0,47 89
SCH 190 0,08 1 - 0,13 3 - 0,00 9 0,23 14 0,18 27 0,34 51 0,30 85
SIE 215 1,32 7 0,37 11 0,73 17 0,54 32 0,52 57 0,32 91
TKA 259 2,01 1 3,57 4 2,61 4 1,69 10 1,07 17 0,56 25 0,48 44 0,23 67 - 0,00 87
TUI 359 0,35 1 2,86 5 1,67 8 0,67 10 0,73 17 1,13 29 1,22 48 0,73 67 0,06 78 0,14 96
VOW 242 2,13 1 1,16 2 0,14 2 - 0,74 2 0,83 6 1,17 14 0,81 24 0,37 43 0,38 61 0,26 87
Durchschnitt 1,82 1,31 1,05 0,55 0,64 0,71 0,68 0,56 0,39 0,26
Die Interpretation der Ergebnisse dieser einfachen Reversalstrategien aus den beiden
Tabellen erfolgt im Folgenden im direkten Vergleich mit den Resultaten für die Rever-
salstrategien, die zusätzlich Optionswerte zu einem Zeitpunkt oder innerhalb der letzen
15 Minuten nutzen
Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel 201
ngen
Beob hl der
hl
hl
hl
hl
hl
hl
hl
hl
hl
hl
achtu
10%
1%
2%
3%
4%
5%
6%
7%
8%
9%
Anza
Anza
Anza
Anza
Anza
Anza
Anza
Anza
Anza
Anza
Anza
377
Vgl. COHEN / MAIER / SCHWARTZ / WHITCOMB (1981), ANGEL (1992), HARRIS (1994
und 1997), HANDA / SCHWARTZ (1996b), SCHMIDT / KÜSTER SIMIû (1998),
HOLLIFIELD / MILLER / SANDÅS (1999), RANALDO (2000) und HOLLIFIELD / MILLER /
SANDÅS / SLIVE (2001) für eine weitere Diskussion der Ausführungswahrscheinlichkeit.
202 Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel
Die Strategie berücksichtigt nicht nur die beobachtbare Bewegung des Aktienkurses
innerhalb des Tages, sondern nutzt auch die Einsicht in das Orderbuch als zusätzlichen
Parameter, um eine Position zu eröffnen. Die Kursfilter für das Agieren am Markt
bleiben wie im vorhergehenden Modell zwischen -10% und +10%. Es werden zwei
weitere Strategien überprüft. Der erste Handelsmechanismus berechnet während des
Handelstages kontinuierlich das Verhältnis der Optionswerte der Geldseite zur Brief-
seite der letzten 15 Minuten. Kommt es zu einem Kursausschlag, der einen Filter über-
schreitet, so wird zu diesem Zeitpunkt das Optionsverhältnis bewertet. Eine Transak-
tion wird getätigt, wenn der Aktienkurs gestiegen ist und die summierten Optionswerte
der letzten 15 Minuten auf der Briefseite größer sind als auf der Geldseite.
Die Überlegung dabei ist, dass für den Kursanstieg nur dann ein Reversal prognosti-
ziert wird, wenn der Handlungswille der Verkaufswilligen in den letzten 15 Minuten
vor dem Überschreiten des Filters höher war als die entsprechende Haltung der Kauf-
willigen. Dies wird gemessen durch einen höheren summierten Optionswert auf der
Briefseite (Verkaufsaufträge) als auf der Geldseite (Kaufaufträge). Analog wird bei
einem fallenden Kurs dann ein Kauf getätigt, wenn im Zeitfenster von 15 Minuten vor
dem Start der außerordentlichen Kursbewegung die Optionsvolumina auf der Geld-
seite, also die Kaufaufträge, größer sind als die der Briefseite.
Die zweite Strategie berücksichtigt ebenfalls das Verhältnis von Optionswert auf der
Briefseite zu dem Optionswert auf der Geldseite. Dies wird nicht über einen Zeitraum
betrachtet, sondern nur zu dem Zeitpunkt, im dem der Filter überschritten wird. Alle
anderen Bedingungen gelten wie in der vorhergehenden Strategie.
Beide Strategien haben zusätzlich noch ein Unterscheidungsmerkmal: Falls die Be-
dingung des Verhältnisses der Optionswerte der Geldseite zur Briefseite im Zeitablauf
vor oder zu dem Zeitpunkt der außerordentlichen Kursbewegung nicht vorliegt, so
wird die Transaktion erst dann ausgelöst, wenn auch diese Bedingung erfüllt ist. Zwi-
schen Über- bzw. Unterschreiten des Kursfilters und der Auslösung des Geschäftes,
wenn die zweite Bedingung auch noch erfüllt ist, können maximal 30 Minuten verge-
hen, andernfalls erfolgt keine Transaktion. Transaktionskosten werden wieder anhand
des XLM-Maßes berücksichtigt. Für Marktteilnehmer mit Xetra-Anschluss sind diese
Transaktionsgebühren sehr gering. Zusätzlich zu Handelsgebühren fallen die Kosten
der Transaktion an. Diese fallen jedoch nur bei der Eröffnung der Position an. Das
Schließen des Geschäftes zur Schlussauktion im Xetra verursacht keine höheren Kos-
ten (vgl. Tabelle 4-10 für die differenzierte Darstellung des XLM-Maßes für jede
Orderbuchseite und ihrer Summe). Deswegen wird in den folgenden Berechnungen
lediglich die Hälfte der XLM-Kosten ausgewiesen und zum Vergleich den durch-
schnittlich erzielbaren Renditen gegenüber gestellt.
Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel 203
Die in den Tabelle 4-20, Tabelle 4-21, Anhang 15 und Anhang 16 wiedergegebenen
Gewinnmöglichkeiten sind im Vergleich zu HANDA / SCHWARTZ (1996b) unter-
schiedlich zu interpretieren. Die Autoren vergleichen die Performance der Strategie
mit limitierten Orders mit derjenigen mit unlimitierten Aufträgen. Die vorangegange-
nen Analysen dieser Arbeit unterscheiden sich davon. Die vorliegenden Ergebnisse
der Handelsstrategien haben das Ziel, einen absoluten Ertrag zu erzielen, ohne sie
dabei mit unlimitierten Aufträgen zu vergleichen. Die Benchmark stellt die einfache
Strategie dar, die als Auslöser für Transaktionen lediglich Kursbewegungen verwen-
det, aber keine zusätzlichen Informationen des Orderbuchs nutzt.
Die gesamten Ergebnisse dieser Strategien werden im folgenden Kapitel mit den Er-
gebnissen der Erholungsfähigkeit in Verbindung gebracht. Erst dadurch kann eine
weitreichende Interpretation der Ergebnisse der drei aufgeführten Strategien erfolgen.
Perfo hnittliche
Perfo hnittliche
Perfo hnittliche
gie
(mult trategie
gie
(mult trategie
ip
ip
rt)
rt)
rt)
rt)
prinz
prinz
trate
trate
ce
(mult ance
ce
(mult ance
rman
rman
iplizie
iplizie
iplizie
iplizie
rm
rm
op 5-S
op 5-S
op 5-S
op 5-S
asino
asino
sc
sc
sc
sc
urch
urch
urch
urch
(5) C
(5) C
(3) T
(4) T
(3) T
(4) T
(1) d
(2) d
(1) d
(2) d
negative Aktienentwicklung im Tagesverlauf positive Aktienentwicklung im Tagesverlauf
Prozentuale
Renditefilter
-1% bis -1% bis -6% bis -6% bis -6% bis
(in Schritten 1% bis 10% 1% bis 10% 6% bis 10% 6% bis 10% 6% bis 10%
- 10% - 10% - 10% - 10% - 10%
von einem
Prozent)
Maximale
Investitions-
10 GE 55 GE 5 GE 15 GE 31 GE 10 GE 55 GE 5 GE 15 GE 31 GE
summe pro
Tag
Berück- 25.000 Euro 25.000 Euro 25.000 Euro 25.000 Euro 25.000 Euro 25.000 Euro
sichtigte 25.000 Euro XLM und 25.000 Euro XLM und XLM und 25.000 Euro XLM und 25.000 Euro XLM und XLM und
Transaktions- XLM 100.000 XLM 100.000 100.000 XLM 100.000 XLM 100.000 100.000
kosten Euro XLM Euro XLM Euro XLM Euro XLM Euro XLM Euro XLM
Für die Strategien zwei, vier und fünf ist die Überlegung ausschlaggebend, dass der
Anleger hohe Konfidenz in die Existenz einer Kursumkehr hat. Dieser Gedanke findet
in die Strategien derart Eingang, dass je höher die Kursveränderung innerhalb eines
Tages ist, desto wahrscheinlicher wird das Eintreten einer Reversalbewegung. Entspre-
chend dieses Gedankens erhöht der Investor mit jedem weiteren Limit, das über-
schritten wird, seinen Einsatz.379 Die mit diesen Handelsstrategien erwirtschafteten
378
GE als Abkürzung für Geldeinheit.
379
Vgl HARBRECHT (1971), S. 92 für die Überlegung, dass ein Anleger mit zunehmender
Konfidenz für seine Strategie geneigt ist, einen immer größeren Teil seiner Anlagesumme in diese
zu investieren.
Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel 205
Ergebnisse werden in Tabelle 4-23 dargestellt. Dabei wird die Performance dieser
Strategien für drei Gruppen ausgewiesen. Die Gruppe der Aktien, die die höchste Er-
holungsfähigkeit aufweist stammt aus der Tabelle 4-16. Die Gruppe mit den niedrigs-
ten Werten der Erholungsfähigkeit resultiert ebenfalls aus der Tabelle 4-16. Als drittes
ist in der Tabelle 4-23 ausgewiesen, wie hoch die Performance für alle 28 Werte im
Durchschnitt ist. Diese durchschnittliche Performance aller Aktien entspricht den
aggregierten Performancekennzahlen aus dem vorhergehenden Kapitel.
Perfo hnittliche
Perfo hnittliche
Perfo hnittliche
Perfo hnittliche
gie
(mult trategie
gie
(mult trategie
ip
ip
rt)
rt)
rt)
rt)
prinz
prinz
trate
trate
ce
(mult ance
ce
(mult ance
rman
iplizie
rman
iplizie
iplizie
iplizie
rm
rm
op 5-S
op 5-S
op 5-S
op 5-S
asino
asino
sc
sc
sc
sc
urch
urch
urch
urch
(5) C
(5) C
(3) T
(4) T
(3) T
(4) T
(1) d
(2) d
(1) d
(2) d
negative Aktienentwicklung im Tagesverlauf positive Aktienentwicklung im Tagesverlauf
Gruppe hohe
Einfache Reversalstrategie
Erholungsfähigk 0,45 1,35 0,84 1,55 2,69 -0,09 -0,18 0,03 -0,12 -0,34
eit
Gruppe
niedrigste
0,20 0,78 0,83 1,99 2,97 -0,12 -0,32 0,62 1,72 2,59
Erholungsfähigk
eit
Durchschnitt
0,32 0,98 0,74 1,60 2,59 -0,09 -0,15 0,35 0,80 1,05
aller Aktien
Optionswerte innerhalb der
Gruppe hohe
Reversalstrategien mit
Erholungsfähigk 0,46 1,35 0,86 1,59 2,69 0,01 0,12 0,05 -0,09 -0,28
Berücksichtigung der
letzten 15 Minuten
eit
Gruppe
niedrigste
0,14 0,64 0,94 1,89 2,26 -0,03 -0,07 0,69 1,38 2,14
Erholungsfähigk
eit
Durchschnitt
0,29 0,93 0,76 1,61 2,49 0,00 0,12 0,43 0,87 1,51
aller Aktien
Gruppe hohe
Optionswerte zu einem
Reversalstrategien mit
Erholungsfähigk 0,51 1,51 0,98 1,80 3,14 -0,01 0,06 0,09 -0,02 -0,17
Berücksichtigung der
eit
Zeitpunkt
Gruppe
niedrigste
0,35 1,23 1,02 2,40 4,18 0,05 0,15 0,76 1,90 3,11
Erholungsfähigk
eit
Durchschnitt
0,42 1,28 0,91 1,89 3,32 0,02 0,20 0,46 1,05 1,85
aller Aktien
Das zentrale Ergebnis dieser Limitorderstrategien ist, dass die Berücksichtigung der
Ergebnisse der Erholungsfähigkeit fast immer eine Strategie ermöglich, die eine
höhere Performance aufweist, als die für alle 28 Titel (hervorgehoben durch die Käst-
chenumrandung in der Tabelle 4-23). Die Performancekennzahlen die höhere Werte
liefern als die Kontrollgruppe für alle DAX-Titel sind im Falle der Outperformance in
der Tabelle jeweils fett hervorgehoben. Die besten Ergebnisse können dann erreicht
werden, wenn die Casinostrategie nur auf die Gruppe angewendet wird, die eine nied-
rige Erholungsfähigkeit aufweisen. In Fünf von sechs Fällen kann damit ein höherer
206 Empirische Untersuchung der Erholungsfähigkeit der DAX-Titel
Ertrag erzielt werden, als dies mit den Strategien ohne Berücksichtigung der Erho-
lungsfähigkeit der Fall ist.
Die Erträge, die nach der einfachen Strategie nach HANDA / SCHWARTZ (1996b)
erzielt werden können, werden durch die Beachtung der Ergebnisse der Erholungsfä-
higkeit, in allen Beobachtungen übertroffen. Die Einbeziehung der Gruppen der Erho-
lungsfähigkeit in die Strategien liefert ebenfalls bessere Ergebnisse, als die Berück-
sichtigung von handelsauslösenden Parametern, wie dem optionsbewerteten Order-
buch.
beiträge erwirtschaften, als der Durchschnitt aller Aktien. Dies insbesondere dann,
wenn große Kursbewegungen von mehr als plus fünf Prozent oder minus fünf Prozent
betrachtet werden.
Es resultiert, dass die Erholungsfähigkeit nicht mit kurzfristigen Analysen des Order-
buches prognostiziert werden kann. Die langfristigen Ergebnisse zur Erholungsfähig-
keit stellen stabile Werte dar, die für die Prognose eines Teilbereichs der Erholungs-
fähigkeit, der Kursumkehr, verwendet werden können.
An dieser Stelle kann nach der Durchführung der Limitorderstrategien geurteilt wer-
den, dass die Hypothese 3 zu verwerfen ist. Es konnten keine Orderbuchkonstellatio-
nen identifiziert werden, die eine kurzfristige Prognose von Kursreversals und Erho-
lungsbewegungen ermöglicht.
Nach dem Abschluss der Empirie erfolgt für die vorliegende Arbeit die Zusammen-
fassung der wichtigsten Erkenntnisse. Dies umfasst die Bereiche:
x Aussagen zum entwickelten Modell,
x Charakterisierung der Erholungsfähigkeit,
x Bewertung von Limitorderstrategien für einen Handelsautomaten,
x Empfehlungen an die Deutsche Börse AG für die Ausgestaltung des Xetra und
x Ansatzpunkte für die weitere Forschung.
Schlussbetrachtung 209
5 Schlussbetrachtung
x Aus der Überprüfung des Modells und seiner Modellparameter resultieren zwei
Anpassungen der Modellannahmen. Eine außerordentliche Kursbewegung liegt
nicht, wie ursprünglich angenommen, bereits bei einem Sigma, sondern erst ab
zwei Sigma vor. Die Zeitspanne, während der überprüft wird, ob eine außeror-
dentliche Kursbewegung vorliegt, wird ggf. von den zuerst modellierten 15 Minu-
ten auf 15 Minuten zuzüglich weiteren 15 Minuten verlängert. Durch diese
Modifikationen wird der ursprüngliche Charakter des Modells nicht maßgeblich
verändert (vgl. Kapitel 4.6).
x Aus der Modellierung des offenen Orderbuchs mit Optionswerten wird deutlich,
dass mit dieser neuen grafischen Darstellung die bisherige Visualisierung, wie sie
z.B. von GLOSTEN (1994) vorgeschlagen wurde, optimiert wird. Der Liquiditäts-
beitrag von liquiden und illiquiden Aktien wird deutlicher, als dies mit der klassi-
schen Darstellung der Steigung des Orderbuchs von Gebot zu Gebot der Fall ist
(vgl. Kapitel 4.5).
x Die statistische Untersuchung zeigt, dass zwischen dem modellierten Liquiditäts-
maß der Erholungsfähigkeit und der Marktbreite sowie auch zwischen der Erhol-
ungsfähigkeit und der Markttiefe hohe positive bzw. negative Korrelationen beste-
hen (vgl. Kapitel 4.8.3). Das in der vorliegenden Arbeit entworfene Modell fügt
sich somit gut in die bestehenden Kenngrößen ein, die die Liquidität eines Marktes
charakterisieren, und dieses kann als mit dem allgemeinen Begriff der Liquidität
eines Marktes konsistent erachtet werden. Die Ergebnisse des Modells stellen für
die Marktteilnehmer eine Zusatzinformation dar.
x Vor den außerordentlichen Kursbewegungen finden deutlich mehr Ungleichge-
wichte im Orderbuch statt, als nach diesen Bewegungen. Diese werden durch ein
neues Verfahren modelliert, das für die Beurteilung der Orderbuchlage die beiden
optionsbewerteten Orderbuchseiten und die Kursbewegung berücksichtigt. Unter
der Annahme, dass für Kursausschläge ohne neue Informationen die Liquidität des
Marktes auch eine Rolle spielt, so sprechen diese Ergebnisse für die Qualität, wie
in der vorliegenden Arbeit die Erholungsfähigkeit modelliert wird.
x Als Beitrag zur wissenschaftlichen Diskussion zeigt sich, dass für ein Modell der
Erholungsfähigkeit die Volatilität berücksichtigt werden muss. Mit der vorliegen-
210 Schlussbetrachtung
den Arbeit ist dies erstmals in dem Umfang für den Deutschen Kapitalmarkt ge-
lungen.
x Die Erholungsfähigkeit weist für die einzelnen Aktien individuelle Merkmale auf.
Die 28 analysierten DAX-Mitglieder können hinsichtlich ihrer Erholungsfähigkeit
miteinander verglichen werden. Je liquider, bezogen auf den Umsatz, die Aktien
gehandelt werden, desto seltener treten bei diesen Werten im innertäglichen
Handel rasche Kursbewegungen von mehr als zwei Sigma, berechnet auf 15 bis
maximal 30 Minuten auf (vgl. Kapitel 4.6). Sehr große Unterschiede existieren
zwischen der ersten Gruppe mit den Aktien Fresenius Medical Care, Linde, MAN,
TUI, Henkel, Deutsche Telekom und Thyssen Krupp und der letzten, mit den
Titeln Allianz, SAP, E.ON, BASF, VW, Siemens und Daimler Chrysler. Die erste
Gruppe weist die niedrigsten Werte der Erholungsfähigkeit auf. Diese Aktien
haben relativ selten vollständige Erholungsbewegungen. Falls diese eintreten, so
nimmt dies eine relativ lange Zeitspanne von bis zu den maximal zulässigen 30
Minuten in Anspruch. Die letzte Gruppe weist eine hohe Erholungsfähigkeit auf.
Diese Aktien vollziehen zu einem sehr großen Teil Erholungsbewegungen, die
auch sehr schnell verlaufen.
x Die Erholungsfähigkeit ist stark abhängig von der Tageszeit. Diese Dimension der
Liquidität zeigte in den ersten zehn Monaten von 2003 in den späten Handelsstun-
den zwischen 18:00 Uhr und 20:00 Uhr illiquide Werte der Erholungsfähigkeit an.
Dies bestätigt hinsichtlich der Liquiditätsdimension ex post die Maßnahme der
Deutschen Börse den Handelsschuss in Einzeltitel im November 2003 von 20:00
Uhr auf 17:30 vorzuziehen. Ebenfalls relativ niedrige Werte der Erholungsfähig-
keit weisen die Mittagsstunden und die Handelszeit zur Eröffnung der Aktien-
märkte in den USA auf.
x Die Erholungsfähigkeit weist für die einzelnen Aktien hohe positive bzw. negative
Korrelationen zu den Liquiditätsdimensionen der Marktbreite und der Markttiefe
auf. Damit steht die Beurteilung der Erholungsfähigkeit der Einzeltitel weitgehend
im Einklang mit der Beurteilung der anderen Liquiditätsdimensionen.
zielen im Durchschnitt keine bessere Performance. Falls nur die Titel mit einer sehr
hohen oder einer sehr niedrigen Erholungsfähigkeit berücksichtigt werden, so können
Renditen erzielt werden, die zum Teil deutlich höher sind als die der vorher durchge-
führten, einfachen Strategien. Diese positiven, absoluten Renditen können auch bei
Berücksichtigung der Handelskosten noch profitabel genutzt werden.
Die Liquiditätsdimensionen Marktbreite und Markttiefe sind aktuell für alle Marktteil-
nehmer zugänglich. Die Erholungsfähigkeit der Aktien wird momentan durch keine
Kennzahl offiziell angegeben. Die Empfehlung für die Deutsche Börse AG ist, diese
Kennzahl zu berechnen und zu veröffentlichen. So könnte z.B. im zeitlichen Verlauf
für einzelne Aktien die durchschnittliche Erholungsfähigkeit der letzten Wochen oder
Monate angezeigt werden. Zusätzlich zu dieser temporären Vergleichsmöglichkeit
könnten dann die einzelnen Titel auch untereinander hinsichtlich ihrer Ausprägung der
Erholungsfähigkeit verglichen werden. Diese Kennzahl würde z.B. für kurzfristig
orientierte Akteure eine nützliche Information im Handel darstellen. Bereits die Vor-
stufe des hier erarbeiteten Modells der Erholungsfähigkeit, die Optionsbewertung des
Xetra Orderbuchs, könnte eine nützliche Kennzahl für Eurex-Teilnehmer und insbe-
sondere für die Market-Maker sein, die eventuell dadurch ihre Hedging-Aktivitäten
besser abschätzen könnten. Das in dieser Arbeit vorgeschlagene Modell könnte als
Basis für eine Kennzahl der Erholungsfähigkeit und der Optionsbewertung des Xetra-
Orderbuchs dienen. Die exakte Ausgestaltung der Parameter des Modells, das dafür
angewendet wird, ist von nachrangigem Interesse. Die Möglichkeit für die Akteure,
diese Kennzahl mathematische exakt nachvollziehen zu können, ist nicht erforderlich.
Das Beispiel der Volatilitätsauktionen, die seit mehreren Jahren erfolgreich implemen-
tiert sind, beweist, dass eine Handelsregel ihre Daseinsberechtigung hat, auch wenn
ihre Berechnung für die Marktteilnehmer nicht in allen Einzelheiten bekannt ist.
An der Eurex gibt es bei erhöhter Volatilität den Fast Market für die Market-Maker. In
diesen Situationen ist ihnen gestattet, bei Kursanfragen eine größere minimale Spanne
für ihre Geld-Brief-Gebote aufzuweisen. Dies schützt die Market-Maker vor Ver-
lusten, verteuert aber gleichzeitig für die anderen Marktteilnehmer den Handel. Im
Xetra existieren bei sehr großen Kursveränderungen, die zu Transaktionen außerhalb
212 Schlussbetrachtung
380
Vgl. HUBERMAN / HALKA (1999), CHORDIA / ROLL / SUBRAHMANYAM (1999) die zu
dem Ergebnis kommen, dass es einen allgemeinen Faktor gibt, der mit Liquiditätsproxies wie der
Markttiefe oder der Marktbreite korreliert ist.
Schlussbetrachtung 213
Anhang
Anhang 1: Änderung der Tick Size im CAC-40 durch die Umstellung auf Euro
Vergleich der Veränderung der Tick Size381 im CAC-System durch die Umstellung der
Aktiennotierung von Französische Francs auf Euro.
Indexmitglieder des CAC40 vom 30.12.1998. Jeweils gerundet auf ganze FF und Euro
und umgerechnet in Euro. (Konversionskurs von 6,55957 FF pro 1 Euro).
381
Vgl. HARRIS (1996) S. 9, und CORDELLA / FOUCAULT (1997), S. 1 für die Beschreibung des
Systems der Tick Size des CAC40.
216 Anhang
Titel Kurs Kurs ”alte” ”neue” ”neue” Euro Veränderung der Tick
in in Tick Tick Size Tick Size um- Size in FF
FF Euro Size in in Euro gerechnet in FF (Tick Size neu / Tick
FF Size alt)
Accor SA 1210 184 1,00 0,10 0,66 0,66
AGF 333 51 0,10 0,05 0,33 3,28
Air Liquide 1025 156 1,00 0,10 0,66 0,66
Alcatel 684 104 1,00 0,10 0,66 0,66
Axa SA 810 123 1,00 0,10 0,66 0,66
BIC 48 7 0,05 0,01 0,07 1,31
BNP 460 70 0,10 0,05 0,33 3,28
Canal Plus 381 58 0,10 0,05 0,33 3,28
Cap Gemini SA 897 137 1,00 0,10 0,66 0,66
Carrefour 703 107 1,00 0,10 0,66 0,66
CCF 519 79 1,00 0,05 0,33 0,33
Danone Groupe 1600 244 1,00 0,10 0,66 0,66
Dexia France 131 20 0,10 0,01 0,07 0,66
Elf Aquitaine 98 15 0,05 0,01 0,07 1,31
Eridania Beghin 967 147 1,00 0,10 0,66 0,66
France Telecom SA 444 68 0,10 0,05 0,33 3,28
L’Oréal 4040 616 1,00 1,00 6,56 6,56
Lafarge 531 81 1,00 0,05 0,33 0,33
Lagardere SCA 237 36 0,10 0,01 0,07 0,66
Legrand 1481 226 1,00 0,10 0,66 0,66
LVMH 1005 153 1,00 0,10 0,66 0,66
Michelin B 223 34 0,10 0,01 0,07 0,66
Paribas 74 11 0,05 0,01 0,07 1,31
Peugeot Citroën 865 132 1,00 0,10 0,66 0,66
Pinault-Printemps-Redout 1068 163 1,00 0,10 0,66 0,66
Promodes 620 95 1,00 0,05 0,33 0,33
Renault 251 38 0,10 0,01 0,07 0,66
Rhone-Poulenc 287 44 0,10 0,01 0,07 0,66
Sanofi-Synthelab 140 21 0,10 0,01 0,07 0,66
Schneider Électrice 339 52 0,10 0,05 0,33 3,28
Soc. Generale-A 905 138 1,00 0,10 0,66 0,66
Sodexho Alliance 1250 191 1,00 0,10 0,66 0,66
St. Gobain 789 120 1,00 0,10 0,66 0,66
Stmicroelectronics 220 34 0,10 0,01 0,07 0,66
Suez Lyonnaise 1148 175 1,00 0,10 0,66 0,66
Thomson CSF 240 37 0,10 0,01 0,07 0,66
Total Fina SA-B 566 86 1,00 0,05 0,33 0,33
Usinor 9 1 0,05 0,01 0,07 1,31
Valeo 440 67 0,10 0,05 0,33 3,28
Vivendi 474 72 0,10 0,05 0,33 3,28
Quelle: Bloomberg / eigene Berechnungen.
Aus der letzten Spalte wird ersichtlich, dass sich die Tick Size für 12 Titel erhöht (bei
Quotienten >1) und für 28 Titel verringert (bei Quotienten <1) hat.
Anhang 217
0,01 > C
Der minimale Wert eines Aktienkurses (K), der diese Ungleichung mit der gegebenen
niedrigen Volatilität von 6,25% noch erfüllt, liegt bei 100,03%. Daraus resultiert, dass
höher limitierte Aufträge als 100,03% zu Call-Preisen kleiner als 0,01% des zugrunde
liegenden Aktienkurses führen.
Für die Berechnung des Calls bei der maximalen angenommenen Volatilität von
169,5% gilt ebenfalls die Ungleichung
Der minimale Aktienkurs (K), der diese Ungleichung mit der gegebenen hohen Vola-
tilität noch erfüllt, liegt bei 103,55% vor. Höhere Limitierungen führen zu Call-Preisen
kleiner als 0,01% des zugrunde liegenden Aktienkurses.
218 Anhang
Anhang 3: Grenzwerte für das Minimum und Maximum des Optionswertes nach
Black-Scholes
Für die minimal mögliche Distanz des Limits zum Aktienkurs in Höhe von 1 Cent re-
sultiert der maximale Wert eines Calls (C) bei gegebener niedriger Volatilität von
6,25% durch:
C=
Der maximale Wert eines Calls ergibt sich bei gegebener hoher Volatilität von 169,5%
für die minimal mögliche Distanz des Limits zum Aktienkurs in Höhe von 1 Cent.
C=
Parameter Frequenz
Transaktionskurse Tickdaten
10 beste Geldkurse Tickdaten
10 beste Briefkurse Tickdaten
10 beste Geldvolumina Tickdaten
10 beste Briefvolumina Tickdaten
DAX-Index Alle 15 Sekunden
DAX-Future Tickdaten
Euro/Dollar Tickdaten
VDAX Tickdaten
Historische 30 Tagesvolatilität der DAX-Titel Tagesschlusskurse
DAX Branchenindizes Alle 15 Sekunden
Ad hoc-Mitteilungen der DGAP Alle Veröffentlichungen
Änderungen der Kapitalisierung Alle Maßnahmen
382
Vgl. SCHLAG / STOLL (2005), S. 70.
220 Anhang
Eurex: Handelbare Optionskurse der Bayer AG, 17. Dezember 2004, 17:20 Uhr.
226 Anhang
Eurex: Handelbare Optionskurse der Dt. Bank AG, 17. Dezember 2004, 17:20 Uhr.
Anhang 227
Eurex: Handelbare Optionskurse E.ON AG, 17. Dezember 2004, 17:21 Uhr.
228 Anhang
Eurex: Handelbare Optionskurse Infineon AG, 17. Dezember 2004, 17:21 Uhr.
Anhang 229
ADS 0,0317 0,0349 0,0391 0,0452 0,0506 0,0552 0,0595 0,0635 0,0673
ALT 0,0280 0,0302 0,0332 0,0359 0,0383 0,0406 0,0426 0,0446 0,0465
ALV 0,0253 0,0224 0,0224 0,0236 0,0251 0,0265 0,0276 0,0287 0,0297
BASF 0,0168 0,0161 0,0168 0,0183 0,0199 0,0210 0,0218 0,0224 0,0229
BAY 0,0127 0,0121 0,0126 0,0132 0,0136 0,0140 0,0144 0,0147 0,0150
BMW 0,0163 0,0159 0,0173 0,0191 0,0211 0,0226 0,0238 0,0247 0,0255
CBK 0,0121 0,0124 0,0132 0,0138 0,0141 0,0144 0,0146 0,0148 0,0152
DBK 0,0177 0,0170 0,0167 0,0177 0,0191 0,0202 0,0212 0,0219 0,0225
DCX 0,0145 0,0133 0,0136 0,0145 0,0152 0,0157 0,0160 0,0163 0,0166
DPW 0,0118 0,0135 0,0140 0,0148 0,0152 0,0157 0,0162 0,0169 0,0176
DTE 0,0103 0,0102 0,0102 0,0102 0,0103 0,0104 0,0104 0,0105 0,0105
EOA 0,0171 0,0159 0,0163 0,0177 0,0191 0,0204 0,0215 0,0223 0,0230
FME 0,0299 0,0340 0,0400 0,0457 0,0505 0,0537 0,0561 0,0582 0,0613
HEN 0,0259 0,0311 0,0365 0,0419 0,0471 0,0509 0,0543 0,0582 0,0622
HVM 0,0138 0,0140 0,0148 0,0154 0,0160 0,0163 0,0165 0,0167 0,0170
IFX 0,0111 0,0105 0,0106 0,0108 0,0108 0,0109 0,0109 0,0109 0,0110
LHA 0,0116 0,0120 0,0128 0,0133 0,0139 0,0142 0,0144 0,0146 0,0150
LIN 0,0235 0,0277 0,0326 0,0370 0,0409 0,0438 0,0460 0,0485 0,0509
MAN 0,0178 0,0207 0,0234 0,0258 0,0281 0,0302 0,0319 0,0339 0,0359
MEO 0,0198 0,0214 0,0242 0,0268 0,0293 0,0312 0,0326 0,0339 0,0354
MUV 0,0324 0,0294 0,0300 0,0322 0,0345 0,0368 0,0388 0,0405 0,0421
RWE 0,0150 0,0150 0,0162 0,0175 0,0185 0,0191 0,0197 0,0202 0,0206
SAP 0,0314 0,0295 0,0304 0,0327 0,0357 0,0385 0,0411 0,0433 0,0452
SCH 0,0210 0,0215 0,0236 0,0259 0,0282 0,0302 0,0315 0,0328 0,0336
SIE 0,0168 0,0150 0,0150 0,0159 0,0169 0,0179 0,0186 0,0191 0,0197
TKA 0,0121 0,0127 0,0137 0,0144 0,0151 0,0157 0,0160 0,0163 0,0167
TUI 0,0150 0,0159 0,0169 0,0178 0,0185 0,0190 0,0193 0,0196 0,0200
VOW 0,0180 0,0175 0,0187 0,0208 0,0230 0,0246 0,0258 0,0268 0,0277
Durch-
0,0189 0,0194 0,0209 0,0228 0,0246 0,0261 0,0273 0,0284 0,0295
schnitt
230 Anhang
ADS 0,0322 0,0348 0,0398 0,0456 0,0510 0,0550 0,0580 0,0607 0,0631
ALT 0,0288 0,0313 0,0343 0,0369 0,0392 0,0415 0,0436 0,0457 0,0483
ALV 0,0261 0,0231 0,0235 0,0252 0,0272 0,0288 0,0301 0,0313 0,0325
BASF 0,0170 0,0162 0,0170 0,0186 0,0201 0,0212 0,0219 0,0225 0,0231
BAY 0,0128 0,0124 0,0130 0,0136 0,0141 0,0146 0,0149 0,0152 0,0156
BMW 0,0164 0,0162 0,0177 0,0198 0,0219 0,0235 0,0246 0,0255 0,0262
CBK 0,0121 0,0124 0,0132 0,0137 0,0147 0,0133 0,0143 0,0144 0,0146
DBK 0,0184 0,0168 0,0172 0,0184 0,0200 0,0213 0,0222 0,0229 0,0236
DCX 0,0146 0,0134 0,0140 0,0150 0,0159 0,0166 0,0170 0,0172 0,0175
DPW 0,0124 0,0131 0,0140 0,0146 0,0150 0,0154 0,0156 0,0161 0,0165
DTE 0,0103 0,0102 0,0102 0,0103 0,0103 0,0104 0,0104 0,0105 0,0105
EOA 0,0173 0,0161 0,0168 0,0184 0,0201 0,0216 0,0227 0,0236 0,0245
FME 0,0302 0,0337 0,0394 0,0454 0,0497 0,0525 0,0563 0,0552 0,0587
HEN 0,0261 0,0304 0,0364 0,0416 0,0472 0,0514 0,0548 0,0567 0,0596
HVM 0,0140 0,0143 0,0150 0,0157 0,0163 0,0168 0,0172 0,0175 0,0179
IFX 0,0106 0,0106 0,0108 0,0109 0,0109 0,0110 0,0110 0,0111 0,0111
LHA 0,0117 0,0122 0,0131 0,0137 0,0143 0,0147 0,0150 0,0151 0,0153
LIN 0,0237 0,0274 0,0322 0,0369 0,0412 0,0451 0,0484 0,0520 0,0562
MAN 0,0176 0,0205 0,0233 0,0258 0,0283 0,0308 0,0330 0,0349 0,0370
MEO 0,0199 0,0215 0,0242 0,0267 0,0289 0,0308 0,0324 0,0336 0,0348
MUV 0,0331 0,0303 0,0318 0,0345 0,0376 0,0404 0,0428 0,0448 0,0469
RWE 0,0151 0,0152 0,0166 0,0182 0,0194 0,0201 0,0206 0,0209 0,0214
SAP 0,0317 0,0296 0,0307 0,0334 0,0365 0,0394 0,0421 0,0444 0,0467
SCH 0,0211 0,0218 0,0241 0,0265 0,0289 0,0310 0,0325 0,0336 0,0348
SIE 0,0168 0,0151 0,0151 0,0161 0,0172 0,0181 0,0188 0,0194 0,0198
TKA 0,0122 0,0129 0,0142 0,0150 0,0156 0,0164 0,0167 0,0169 0,0172
TUI 0,0152 0,0163 0,0176 0,0185 0,0192 0,0199 0,0203 0,0204 0,0209
VOW 0,0182 0,0176 0,0190 0,0214 0,0236 0,0253 0,0264 0,0275 0,0285
Durch-
0,0191 0,0195 0,0212 0,0232 0,0252 0,0267 0,0280 0,0289 0,0301
schnitt
Anhang 231
0%
0.5 %
1%
1.5 %
Außerordentl. 19:00 20:00
17:00 18:00
Kursbewegung 15:00 16:00
2% 14:00
in Prozent 12:00 13:00
10:00 11:00
09:00
Handelszeit
232 Anhang
Anhang 233
Liquide Titel
Erholungsfähigkeit DAIMLER CHRYSLER AG
7
Zeit der Erholungsfähigkeit in Min.
0
0%
0.5 %
1%
1.5 %
19:00 20:00
2% 17:00 18:00
Außerordentl. 15:00 16:00
2.5 % 13:00 14:00
Kursbewegung 11:00 12:00
3% 09:00 10:00
in Prozent Handelszeit
234 Anhang
Erholungsfähigkeit SIEMENS AG
7
Zeit der Erholungsfähigkeit in Min.
0
0%
0.5 %
1%
1.5 %
Außerordentl.
2% 19:00 20:00
Kursbewegung 17:00 18:00
2.5 % 15:00 16:00
in Prozent 13:00 14:00
11:00 12:00
3% 10:00
09:00 Handelszeit
Erholungsfähigkeit VW AG
Zeit der Erholungsfähigkeit in Min.
0
0%
0.5 %
20:00
19:00
1% 18:00
17:00
1.5 % 16:00
15:00
Außerordentl. 2% 14:00
13:00
Kursbewegung 12:00
2.5 % 11:00 Handelszeit
in Prozent 10:00
3% 09:00
Anhang 235
'********************************
'Anfang der Berechnung RESIL
'********************************
calcul_RESIL_:
If Not calcType = CALC_RESIL_ Then GoTo next_record_
mn.printInfo "processing RESIL date: " & LastDATEX_RESIL & " for " & .Fields(NAME_)
End If
'-----------------------------------------------------
CurrentDbID = .Fields("ID").Value
'start
'[VOLA PARAMETER]
CurrentDbVola15Min = IIf(IsNull(.Fields(VOLA_15_MINS_).Value), 0, .Fields(VOLA_15_MINS_).Value)
If CurrentDbVola15Min > 0 Then
'runterskalieren aus SQL-Server-Daten auf Tickebene und dann hochskalieren auf 15 Mins anhand des durchschnittl. abstand zwischen
einzelnen Ticks
RVola15Min = r_VOLA_MULTIPLICATOR_ *CurrentDbVola15Min * Sqr(r_DIOV_MINS_* 60 / RAvgAbstandZwischenTicks) /
Sqr(525,5 * 8.5 * 4)
Else
236 Anhang
'falls zum Start keine Vola15Min in der DB vorliegt -> Nutzung runterskalierter Vola von 30 Tagen als Vola
RVola15Min = r_VOLA_MULTIPLICATOR_ * RVola30D / Sqr(260 * 8.5 * 4)
End If
RCurrentTF.SetMinMaxParameters
'if there was a movement then place the start of the next search timeFrame
'at the min/max of the frame where the movement was discovered
If RCurrentTF.HasMovement() Then
'//SQL-Server ->
ResiliencyID = ResiliencyID + 1
Set RS = New Resiliency
RS.New1 ResiliencyID, DB, tableX, .Fields("NAME").Value, .Fields("DATEX").Value, _
r_VOLA_MULTIPLICATOR_, r_VOLA_MULTIPLICATOR_FOR_MIN_VOLA_15_MIN_, _
RMinVola15Min * 100, r_DIOV_RATIO_, r_TIME_PEAK_SEARCH_MIN_
'// <- SQL-Server
IDToWaitFor = AnalyseMovement() 'let the outer cycle run till it encountres this ID,
'because only from this ID we proceed, seeking for movements
Log.WriteX "IDToWaitFor=" & IDToWaitFor
Set RS = Nothing
End If
'********************************
'ende Berechnung RESIL
'********************************
Anhang 237
lastDATEX_LOS = .Fields(DATEX_).Value
name_Los = .Fields(NAME_).Value
sumRendite_Los = 0
End If
clos = CDbl(.Fields(TRDPRC_1_).Value)
iFilter = Fix(sumRendite_Los)
If iFilter = 0 Then
If sumRendite_Los > 0 Then sFilter = "+0"
If sumRendite_Los < 0 Then sFilter = "-0"
Else
sFilter = CStr(iFilter)
End If
filterTest = filters.Item(sFilter)
If Err.Number = 0 Then
Set priceIt = New PriceItem
priceIt.filter = iFilter
priceIt.Price = clos
priceIt.TimeX = .Fields(TIMEX_).Value
priceIt.sign = filterSign
filterPrices.Add priceIt, sFilter
Set priceIt = Nothing
filters.Remove sFilter
Else
Err.Clear
End If
Err.Clear
238 Anhang
'if not in filterPricesOV -> Einfügen, Filter aus filtersOV löschen
filterTest = filtersOV.Item(sFilter)
If Err.Number = 0 Then
filtersOV.Remove sFilter
End If
Else
Err.Clear
End If
Err.Clear
'If ov15min.Running Then Debug.Print "null"
filtersDIV.Remove sFilter
End If
Else
Err.Clear
End If
Err.Clear
On Error GoTo 0
On Error GoTo err_
'********************************
'ende Berechnung LOS
'********************************
Anhang 239
Anhang 14: DAX-Titel mit einer offiziellen Notierung in den USA in 2003
Allianz
BASF
Daimler Chrysler
Deutsche Bank
Deutsche Telekom
E.ON
Epcos
Fresenius Medical Care
Infineon
SAP
Schering
Siemens
240 Anhang
Filter: -10% Filter: -9% Filter: -8% Filter: -7% Filter: -6% Filter: -5% Filter: -4% Filter: -3% Filter: -2% Filter: -1%
Ereignisse
und Anzahl und Anzahl und Anzahl und Anzahl und Anzahl und Anzahl und Anzahl und Anzahl und Anzahl und Anzahl
der der der der der der der der der der
Ereignisse Ereignisse Ereignisse Ereignisse Ereignisse Ereignisse Ereignisse Ereignisse Ereignisse Ereignisse
ADS 141 1,68 1 0,34 1 - 0,64 1 - 1,63 1 - 1,13 2 - 0,03 7 - 0,13 14 0,19 38 0,29 76
ALT 196 0,00 0 2,48 3 1,01 9 1,01 22 0,60 34 0,23 50 0,28 78
ALV 325 3,41 4 2,51 4 1,53 4 1,06 7 0,74 11 1,05 31 0,72 41 0,69 59 0,45 74 0,09 90
BASF 196 1,94 1 0,40 2 - 0,02 6 0,63 13 0,88 31 0,42 58 0,23 85
BAY 294 0,75 3 0,29 4 1,44 7 0,54 7 0,65 12 0,44 18 0,61 32 0,48 48 0,31 71 - 0,03 92
BMW 226 1,12 1 0,44 2 0,41 3 - 0,21 4 0,29 10 0,77 21 0,76 38 0,58 60 0,38 87
CBK 271 1,31 2 0,31 2 2,03 5 1,19 6 0,48 7 1,25 19 0,91 32 0,69 43 0,61 67 0,42 88
DBK 209 2,52 2 0,56 7 - 0,04 13 0,97 40 0,36 56 0,50 91
DCX 226 0,42 1 1,94 2 1,69 10 1,11 18 1,25 40 0,70 65 0,34 90
DPW 188 3,66 1 2,60 1 1,34 1 0,44 1 1,55 3 0,76 5 0,58 14 0,47 29 0,61 54 0,40 79
DTE 168 - 1,18 1 - 1,16 2 - 1,22 3 - 1,18 4 - 0,50 7 - 1,29 8 - 0,85 16 - 0,64 25 - 0,14 42 0,03 60
EOA 170 0,40 2 0,41 7 0,42 12 0,55 24 0,23 46 0,21 79
FME 213 2,73 1 1,69 1 1,93 2 0,88 2 1,04 5 0,65 8 1,13 19 0,71 30 0,71 53 0,61 92
HEN 154 2,15 1 1,15 1 0,14 1 - 0,86 1 0,25 2 - 0,03 5 0,06 9 0,19 19 0,29 43 - 0,03 72
HVM 370 1,79 2 1,13 7 0,69 9 0,38 16 0,26 21 0,07 30 0,46 46 - 0,03 60 0,28 82 0,15 97
IFX 331 3,39 2 2,51 3 1,83 4 0,97 4 1,59 16 1,07 27 1,36 45 1,03 59 0,81 76 0,22 95
LHA 240 0,71 1 1,07 3 1,02 7 1,06 16 0,71 25 0,40 38 0,45 66 0,32 84
LIN 215 1,70 1 1,33 2 1,31 6 0,65 10 0,79 20 0,64 40 0,06 54 0,15 82
MAN 239 3,16 1 1,41 2 0,94 4 1,14 7 0,90 9 1,01 14 0,44 24 0,35 33 0,71 64 0,52 81
MEO 250 1,87 1 0,69 1 0,20 3 0,51 5 0,06 8 - 0,08 13 - 0,12 21 0,34 44 0,23 64 0,51 90
MUV 332 - 1,78 2 - 0,81 4 - 0,18 8 - 0,04 10 - 0,60 15 0,27 29 0,49 40 0,49 59 0,17 76 0,25 89
RWE 209 - 1,00 1 - 0,59 5 - 1,18 6 - 0,15 15 0,53 38 0,23 59 0,33 85
SAP 217 0,51 3 0,48 8 0,86 23 0,68 36 0,63 59 0,40 88
SCH 182 0,13 1 0,13 4 0,02 9 - 0,66 12 0,28 26 0,41 48 0,22 82
SIE 214 1,33 7 0,37 11 0,74 17 0,55 32 0,54 57 0,32 90
TKA 257 2,13 1 3,64 4 3,48 3 1,72 10 1,14 17 0,59 26 0,39 43 0,20 66 - 0,00 87
TUI 347 0,35 1 2,93 5 1,74 8 0,70 9 0,80 17 1,20 28 0,91 44 0,65 65 0,14 77 0,15 93
VOW 241 2,13 1 1,56 2 0,53 2 - 0,71 2 0,86 6 1,17 14 0,88 24 0,39 43 0,53 59 0,31 88
Durchschnitt 1,75 1,27 1,11 0,60 0,67 0,64 0,63 0,54 0,40 0,27
Anhang 241
Filter: 1% Filter: 2% Filter: 3% Filter: 4% Filter: 5% Filter: 6% Filter: 7% Filter: 8% Filter: 9% Filter: 10%
Ereignisse
und Anzahl und Anzahl und Anzahl und Anzahl und Anzahl und Anzahl und Anzahl und Anzahl und Anzahl und Anzahl
der der der der der der der der der der
Ereignisse Ereignisse Ereignisse Ereignisse Ereignisse Ereignisse Ereignisse Ereignisse Ereignisse Ereignisse
Filter: -10% Filter: -9% Filter: -8% Filter: -7% Filter: -6% Filter: -5% Filter: -4% Filter: -3% Filter: -2% Filter: -1%
Ereignisse
und Anzahl und Anzahl und Anzahl und Anzahl und Anzahl und Anzahl und Anzahl und Anzahl und Anzahl und Anzahl
der der der der der der der der der der
Ereignisse Ereignisse Ereignisse Ereignisse Ereignisse Ereignisse Ereignisse Ereignisse Ereignisse Ereignisse
ADS 127 1,34 1 0,32 1 - 0,67 1 - 1,63 1 - 2,04 1 0,73 5 0,16 13 0,24 32 0,18 72
ALT 181 2,09 1 1,93 3 0,94 8 0,88 19 0,60 30 0,14 47 0,18 73
ALV 316 3,73 3 2,47 4 1,45 4 1,00 7 0,35 11 1,09 32 0,58 41 0,51 56 0,40 71 0,00 87
BASF 191 1,59 1 0,22 2 - 0,02 6 0,64 13 0,86 32 0,40 56 0,29 81
BAY 288 0,66 3 0,27 4 1,44 7 0,43 7 0,77 12 0,29 17 0,38 30 0,41 47 0,29 70 - 0,01 91
BMW 215 1,12 1 0,71 2 - 0,34 2 - 0,19 4 0,29 10 0,39 21 0,30 34 0,57 58 0,32 83
CBK 266 1,31 2 0,61 2 0,21 4 1,28 6 0,70 7 1,46 18 1,03 31 0,49 43 0,60 66 0,54 87
DBK 203 1,83 1 0,60 6 - 0,03 13 0,85 40 0,36 57 0,34 86
DCX 224 0,59 1 1,73 2 1,78 10 1,15 17 1,22 39 0,71 65 0,35 90
DPW 187 3,66 1 2,37 1 1,34 1 0,44 1 1,26 3 0,86 5 0,68 12 0,57 28 0,67 57 0,37 78
DTE 167 - 1,18 1 - 1,16 2 - 1,22 3 - 1,18 4 - 0,50 7 - 1,29 8 - 1,13 15 - 0,59 25 - 0,12 43 0,00 59
EOA 170 0,77 2 0,38 7 0,43 12 0,55 24 0,34 47 0,27 78
FME 199 1,89 1 2,08 2 1,01 2 0,85 4 0,66 8 0,99 18 0,50 26 0,59 48 0,62 90
HEN 139 1,15 1 0,41 1 - 0,50 1 1,55 2 - 0,07 5 0,21 9 0,21 18 0,25 37 - 0,18 65
HVM 355 1,61 2 1,04 7 0,67 8 0,72 14 0,48 19 0,21 28 0,28 42 0,09 57 0,21 81 0,19 97
IFX 329 3,46 3 2,41 3 1,91 4 1,15 4 1,55 16 1,04 26 1,23 44 0,96 60 0,80 75 0,20 94
LHA 237 0,71 1 1,07 3 1,02 7 1,06 16 0,72 25 0,42 38 0,49 65 0,26 82
LIN 203 2,15 1 1,36 2 1,28 5 0,99 9 0,75 20 0,51 35 0,09 53 - 0,07 78
MAN 229 3,52 1 1,27 2 0,90 4 1,24 7 1,26 8 1,07 14 0,33 23 0,28 34 0,54 58 0,33 78
MEO 234 1,82 1 1,33 1 0,18 3 - 0,40 4 0,07 7 0,11 13 - 0,22 19 0,39 44 0,14 58 0,43 84
MUV 311 1,31 2 0,94 6 - 0,06 10 - 0,40 13 0,35 26 1,05 41 0,65 56 0,34 75 - 0,12 82
RWE 206 - 0,10 2 - 0,65 5 - 1,15 6 - 0,22 15 0,53 38 0,25 58 0,14 82
SAP 215 0,57 3 0,84 9 0,83 22 0,62 36 0,59 57 0,39 88
SCH 173 0,08 1 - 0,17 3 - 0,01 9 0,20 13 0,27 27 0,43 45 0,26 75
SIE 213 1,04 6 0,37 11 0,73 17 0,55 32 0,50 56 0,36 91
TKA 243 4,38 2 3,56 3 1,83 10 1,08 18 0,49 23 0,37 41 0,23 63 - 0,08 83
TUI 330 0,35 1 2,84 5 1,66 8 0,80 9 0,77 17 1,00 26 1,26 43 0,68 61 0,08 75 0,05 85
VOW 229 2,13 1 2,06 1 0,63 2 - 0,51 2 0,76 6 1,54 12 1,08 23 0,59 41 0,39 57 0,46 84
Durchschnitt 2,09 1,45 1,09 0,65 0,69 0,69 0,65 0,52 0,39 0,23
Anhang 243
Filter: 1% Filter: 2% Filter: 3% Filter: 4% Filter: 5% Filter: 6% Filter: 7% Filter: 8% Filter: 9% Filter: 10%
Ereignisse
und Anzahl und Anzahl und Anzahl und Anzahl und Anzahl und Anzahl und Anzahl und Anzahl und Anzahl und Anzahl
der der der der der der der der der der
Ereignisse Ereignisse Ereignisse Ereignisse Ereignisse Ereignisse Ereignisse Ereignisse Ereignisse Ereignisse
Literaturverzeichnis
ABKEN, PETER / NANDI, SAIKAT (1996): Options and Volatility, in: Economic
Review, S. 21 – 35, Federal Reserve Bank of Atlanta.
ADMATI, ANAT / PFLEIDERER, PAUL (1988): A Theory of Intraday Patterns:
Volume and Price Variability, in: Review of Financial Studies, Vol. 1, S. 3 – 40.
AHN, DONG-HYUN / BOUDOUKH, JACOB / RICHARDSON, MATTHEW /
WHITELAW, ROBERT (2000): Partial Adjustment or Stale Prices? Implications
from Stock Index and Futures Return Autocorrelations, Working Paper, Stern
School of Business, New York University.
AHN, HEE-JOON / BEA, KEE-HONG / CHAN, KOLAK (2001): Limit Orders,
Depth and Volatility: Evidence from the Stock Exchange of Hong Kong, in: Journal
of Finance, Vol. 56, S. 769 – 790.
AITKEN, MICHAEL / GARVEY, GERALDT / SWAN, PETER (1995): How
Brokers Facilitate Trade for Long-Term Clients in Competitive Securities Markets,
in: Journal of Business, Vol. 65, S. 1 – 33 January 1995.
ALIZADEH, SASSAN / BRANDT, MICHAEL / DIEBOLD, FRANCIS (2001):
Range-Based Estimation of Stochastic Volatility Models, in: Journal of Finance,
Vol. 57, S. 1047 – 1092.
AMIN, KAUSHIK (1993): Jump Diffusion Option Valuation in Discrete Time, in:
Journal of Finance, Vol. 48, S. 1833 – 1863.
ANDERSEN, TORBEN / BENZONI, LUCA / LUND, JESPER (2002): An
Empirical Investigation of Continuous Time Equity Return Models, in: Journal of
Finance, Vol. 57, S. 1239 – 1284.
ANDERSEN, TORBEN / BOLLERSLEV, TIM / CHRISTOFFERSEN, PETER
/ DIEBOLD, FRANCIS (2005): Practical Volatility and Correlation Modelling for
Financial Market Risk Management, Working Paper, University of Pennsylvania.
ANDERSEN, TORBEN / BOLLERSLEV, TIM / DIEBOLD, FRANCIS (2002):
Parametric and Nonparametric Volatility Measurement, in Handbook of Financial
Econometrics, Kapitel 2, Hrsg.: AȲT-SAHALIA / HANSEN, unveröffentlicht.
ANDERSEN, TORBEN / BOLLERSLEV, TIM / DIEBOLD, FRANCIS (2003):
Some like it Smooth, and Some like it Rough: Untangling Continuous and Jump
Components in Measuring, Modelling, and Forecasting Asset Return Volatility,
Working Paper No. 35, Centre for Financial Studies, Frankfurt.
246 Literaturverzeichnis
BATES, DAVID (1996): Jumps and Stochastic Volatility: Exchange Rate Processes
Implicit in PHLX Deutsche Mark Options, in: Review of Financial Studies, Vol. 9,
S. 69 -107.
BATES, DAVID (2000): Post- ’87 Crash fears in the S&P 500 Futures Option
Market, in: Journal of Econometrics 94, S. 181 – 238.
BATES, DAVID (2002): Empirical Option Pricing: A Retrospection, Working Paper,
Henry B Tippie College of Business, University of Iowa.
BECKERS, STAN (1983): Variances of Security Price Returns Based on High, Low,
and Closing Prices, in: Journal of Business, Vol. 56, S. 97 – 114.
BEINERT, MICHAELA / TRAUTMANN, SIEGFRIED (1992): Verlaufsmuster
der impliziten Aktienvolatilität – Beobachtungen am Frankfurter Optionsmarkt und
der Deutschen Terminbörse, Working Paper, Universität Mainz.
BELTRAN-LOPEZ, HELENA / GIOT, PIERRE / GRAMMIG, JOACHIM
(2002): Expected and Unexpected Cost of Trading in the Xetra Automated Auction
Market, Mimeo, Working Paper, Université Catholique de Louvain.
BENSTON, GEORGE / IRVINE, PAUL / KANDEL, EUGENE (2000): Liquidity
Beyond the Inside Spread: Measuring and Using Information in the Limit Order
Book, Working Paper, Goizueta Business School, Emory University, Atlanta AG.
BERNHARDT, DAN / HUGHSON, ERIC (1997): Splitting Orders, in: Review of
Financial Studies, Vol. 10, No.1, S. 69 – 101.
BESSEMBINDER, HENDRIK / COUGHENOUR, JAY / SEGUIN, PAUL /
SMOLLER, MARGARET MONROE (1995): Mean Reversion in Equilibrium
Asset Prices: Evidence from the Futures Term Structure, in: Journal of Finance,
Vol. 50, S. 361 – 375.
BESSEMBINDER, HENDRIK / SEGUIN, PAUL (1993): Price Volatility, Trading
Volume, and Market Depth: Evidence from Futures Markets, in: Journal of
Financial and Quantitative Analysis, Vol. 28, S. 21 -39.
BIAIS, BRUNO / BISIÈRE, CHRISTOPHER / SPATT, CHESTER (2003):
Imperfect Competition in Financial Markets: ISLAND vs. NASDAQ, Working
Paper, Toulouse University.
BIAIS, BRUNO / HILLION, PIERRE / SPATT, CHESTER (1995): An Empirical
Analysis of the Limit Order Book and the Order Flow in the Paris Bourse, in:
Journal of Finance, Vol. 50, S. 1655-1689.
BILLIO, MONICA / PELIZZON, LORIANA (2000): Option Smile and Switching
Volatility, Working Paper, London Business School.
Literaturverzeichnis 249
FRINO, ALEX / MC CORRY, MICHAEL (1999): Why are Spreads Tighter on the
Australian Stock Exchange than the NYSE? An Electronic Open Limit Order Book
Versus the Specialist Structure, Working Paper, University of Sydney.
GALLANT, ROLAND / ROSSI, PETER / TAUCHEN, GEORGE (1992): Stock
Prices and Volume, in: Review of Financial Studies, Vol. 5, S. 199 -242.
GARBADE, KENNETH (1982): Securities Markets, New York, McGraw-Hill, New
York.
GARMAN, MARK / KLAAS, MICHAEL (1980): On the Estimation of Security
Price Volatilities from Historical Data, in: Journal of Business, Vol. 53, S. 67 -78.
GERKE, WOLFGANG (1997): Open and Closed Orderbook and It’s Effect on
Liquidity and Volatility; Market Microstructure of Stock Exchanges in Experiments
and in the „Neuer Markt”, Working Paper, Universität Erlangen-Nürnberg.
GERKE, WOLFGANG (2002): Börsen Lexikon, Gabler Verlag, Wiesbaden.
GERKE, WOLFGANG / ARNETH, STEFAN / BOSCH, ROBERT (1998): The
Market-Maker Privilege in an Experimental Computerized Stock Exchange, Wor-
king Paper, Universität Erlangen-Nürnberg.
GERKE, WOLFGANG / ARNETH, STEFAN / FLEISCHER, JÖRG (1999):
Kursgewinne bei Aufnahmen in den DAX 100, Verluste bei Entnahmen: Index-
effekt am deutschen Kapitalmarkt, in: Zeitschrift für Betriebswirtschaft, Ausgabe
1/2002, S. 45 – 50.
GERKE, WOLFGANG / ARNETH, STEFAN / SYHA, CHRISTINE (1998): The
Impact of the Orderbook Privilege on Traders’ Behavior and the Market Process –
an Experimental Investigation, Working Paper, Universität Erlangen-Nürnberg.
GERKE, WOLFGANG / BOSCH, ROBERT (1999): Die Betreuer am Neuen
Markt – eine empirische Analyse, Arbeitspapier, Universität Erlangen-Nürnberg.
GERKE, WOLFGANG / RAPP, HEINZ-WERNER (1994): Strukturveränder-
ungen im internationalen Börsenwesen, in: Die Betriebswirtschaft 54, S. 5 – 23.
GERKE, WOLFGANG / RASCH, SEBASTIAN (1992): Ausgestaltung des Block-
handels an der Börse, in: Die Bank, Nr. 4, S. 193 – 201.
GESETZ ÜBER KAPITALANLAGEGESELLSCHAFTEN (1970), zuletzt
geändert durch Artikel 4 des 3. Finanzmarktförderungsgesetzes vom 24. März 1998
(BGB1.I S.529 – 539).
GESKE, ROBERT (1979): The Valuation of Compound Options, in: Journal of
Financial Economics, Vol. 7, S. 63 – 81.
258 Literaturverzeichnis
SEPPI, DUANE J. (1997): Liquidity Provision with Limit Orders and a Strategic
Specialist, in: Review of Financial Studies, Vol. 10, No. 1, S. 103 – 150.
SHLEIFER, ANDREI (1986): Do Demand Curves for Stocks Slope Down? In:
Journal of Finance, Vol. 41, S. 579 – 590.
SHU, JINGHONG / ZHANG, JIN (2003): The Relation between Implied and Re-
alized Volatility of S & P 500 Index, in: Wilmott Magazine, 2003/01, S. 83 - 91.
SHU, JINGHONG / ZHANG, JIN (2005): Testing Range Estimators of Historical
Volatility, Working Paper, School of Business and School of Economics and
Finance, University of Hong Kong.
SLOVIC, PAUL / LICHTENSTEIN, SARAH (1983): Preference Reversals: A
Broader Perspective, in: American Economic Review, Vol. 83, S. 596 – 606.
SPIEGEL, MATTHEW / SUBRAHMANYAM, AVANIDHAR (1995): On
Intraday Risk Premia, in: Journal of Finance, Vol. 50, S. 319 – 339.
STEIN, ELIAS / STEIN, JEREMY (1991): Stock Price Distributions with
Stochastic Volatility: An Analytic Approach, in: Review of Financial Studies, Vol.
4, S. 727 - 752.
STEIN, JEREMY (1989): Overreactions in the Options Market, in: Journal of
Finance, Vol. 44, S. 1011 – 1023.
STEINER, MANFRED / BRUNS, CHRISTOPH (2002): Wertpapiermanagement,
8. Auflage, Schäffer Poeschel Verlag, Stuttgart.
STOLL, HANS (1969): The Relationship Between Put and Call Option Prices, in:
Journal of Finance, Vol. 24, S. 319 - 332.
STOLL, HANS (1978): The Supply of Dealer Services on Securities Markets, in:
Journal of Finance, Vol. 33, S. 1133 - 1151.
STOLL, HANS (1988): Index Futures, Program Trading and Stock Market
Procedures, in: Journal of Futures Markets, Vol. 8, S. 391 - 412.
STOLL, HANS / WHALEY, ROBERT (1990): The Dynamics of Stock Index and
Stock Index Futures Returns, in: Journal of Financial and Quantitative Analysis,
Vol. 25, S. 441 – 468.
SUMMERS, LAWRENCE (1986): Does the Stock Market Rationally Reflect
Fundamental Values?, in: Journal of Finance, Vol. 41, S. 591 – 602.
SUNDKVIST, KIM / VIKSTRÖM, MIKAEL (2000): Intraday and Weekend
Volatility Patterns - Implications for Option Pricing, Working Paper, Swedish
School of Economics and Business Administration, Helsinki.
Literaturverzeichnis 269
WIGGINS, JAMES (1987): Option Values under Stochastic Volatility: Theory and
Empirical Estimates, in: Journal of Financial Econmics, Vol. 19, S. 351 – 377.
WOOD, ROBERT / MC INISH, THOMAS / ORD, KEITH (1985): An Investi-
gation of Transactions Data for NYSE Stocks, in: Journal of Finance, Vol. 40, S.
723 – 741.
YANG, DENNIS / ZHANG, QIANG (2000): Drift Independent Volatility
Estimation based on High, Low, Open, and Close Prices, in: Journal of Business,
Vol. 73, S. 477 – 492.
YANG, WANA (1998): The Demand for and Supply of Shares: An Empirical Study
of the Limit Order Book on the ASX, Working Paper, University of Western
Australia.
ZIMBARDO, PHILIP (1983): Psychologie, 4te Auflage, Springer-Verlag, Berlin
Heidelberg.
ZUMBACH, GILLES / CORSI, FULVIO / TRAPLETTI, ADRIAN (2002):
Efficient Estimation of Volatility using High Frequency Data, Working Paper,
Olsen & Associates Research Institute for Applied Economics.