@phdthesis{Gomolka2011,
  author    = {Gomolka, Johannes},
  title     = {Algorithmic Trading},
  publisher = {Universit{\"a}tsverlag Potsdam},
  address   = {Potsdam},
  isbn      = {978-3-86956-125-7},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus-51009},
  school      = {Universit{\"a}t Potsdam},
  pages     = {383},
  year      = {2011},
  abstract  = {Die Elektronisierung der Finanzm{\"a}rkte ist in den letzten Jahren weit vorangeschritten. Praktisch jede B{\"o}rse verf{\"u}gt {\"u}ber ein elektronisches Handelssystem. In diesem Kontext beschreibt der Begriff Algorithmic Trading ein Ph{\"a}nomen, bei dem Computerprogramme den Menschen im Wertpapierhandel ersetzen. Sie helfen dabei Investmententscheidungen zu treffen oder Transaktionen durchzuf{\"u}hren. Algorithmic Trading selbst ist dabei nur eine unter vielen Innovationen, welche die Entwicklung des B{\"o}rsenhandels gepr{\"a}gt haben. Hier sind z.B. die Erfindung der Telegraphie, des Telefons, des FAX oder der elektronische Wertpapierabwicklung zu nennen. Die Frage ist heute nicht mehr, ob Computerprogramme im B{\"o}rsenhandel eingesetzt werden. Sondern die Frage ist, wo die Grenze zwischen vollautomatischem B{\"o}rsenhandel (durch Computer) und manuellem B{\"o}rsenhandel (von Menschen) verl{\"a}uft. Bei der Erforschung von Algorithmic Trading wird die Wissenschaft mit dem Problem konfrontiert, dass keinerlei Informationen {\"u}ber diese Computerprogramme zug{\"a}nglich sind. Die Idee dieser Dissertation bestand darin, dieses Problem zu umgehen und Informationen {\"u}ber Algorithmic Trading indirekt aus der Analyse von (Fonds-)Renditen zu extrahieren. Johannes Gomolka untersucht daher die Forschungsfrage, ob sich Aussagen {\"u}ber computergesteuerten Wertpapierhandel (kurz: Algorithmic Trading) aus der Analyse von (Fonds-)Renditen ziehen lassen. Zur Beantwortung dieser Forschungsfrage formuliert der Autor eine neue Definition von Algorithmic Trading und unterscheidet mit Buy-Side und Sell-Side Algorithmic Trading zwei grundlegende Funktionen der Computerprogramme (die Entscheidungs- und die Transaktionsunterst{\"u}tzung). F{\"u}r seine empirische Untersuchung greift Gomolka auf das Multifaktorenmodell zur Style-Analyse von Fung und Hsieh (1997) zur{\"u}ck. Mit Hilfe dieses Modells ist es m{\"o}glich, die Zeitreihen von Fondsrenditen in interpretierbare Grundbestandteile zu zerlegen und den einzelnen Regressionsfaktoren eine inhaltliche Bedeutung zuzuordnen. Die Ergebnisse dieser Dissertation zeigen, dass man mit Hilfe der Style-Analyse Aussagen {\"u}ber Algorithmic Trading aus der Analyse von (Fonds-)Renditen machen kann. Die Aussagen sind jedoch keiner technischen Natur, sondern auf die Analyse von Handelsstrategien (Investment-Styles) begrenzt.},
  language  = {de}
}