Stromhandel mit Algos und Bots – haben die Maschinen das Ruder übernommen?

MIT DEN ERSTAUNLICHEN FÄHIGKEITEN VON CHATGPT HAT DIE DEBATTE ÜBER DIE AUTOMATISIERUNG DES STROMHANDELS (ALGO-TRADINGS) ERNEUT FAHRT AUFGENOMMEN. IN DIESEM ARTIKEL ERKLÄREN WIR UNSERE SICHTWEISE: DAS ALGO-TRADING IST BEREITS ETABLIERT UND ES IST NUR EINE FRAGE DER ZEIT, BIS DIE MEISTEN STROMHANDELSAKTIVITÄTEN AUTOMATISIERT UND VON BOTS AUSGEFÜHRT WERDEN. ES BLEIBT JEDOCH ABZUWARTEN, WIE DIE AUTOMATISIERUNG ERFOLGEN WIRD, WER AM BESTEN DAFÜR GEEIGNET IST UND OB ES IMMER NOCH PLATZ FÜR MENSCHLICHE ENTSCHEIDUNGSTRÄGER AUF DEM MARKT GIBT. 

Fragen wir die Maschine

Natürlich kann dieser Post nur auf eine Weise beginnen, nämlich indem wir Chat GPT fragen, was es denkt. Hier mein Prompt:

"Schreibe einen kurzen Blog-Beitrag mit dem Titel 'Kurzfristiger Stromhandel mit Algos und Bots - haben die Maschinen die Kontrolle übernommen?'. Beziehe dich auf die deutschen Strommärkte an der EPEX Spot, den Intraday-Handel und die Bedeutung des algorithmischen Handels im Vergleich zur entscheidungsbasierten Handlung von Menschen."

Und das ist der Text, den ich erhalten habe:

In den letzten Jahren hat es einen signifikanten Wandel hin zum algorithmischen Handel auf den Kurzfrist-Strommärkten gegeben. Die deutschen Strommärkte an der EPEX Spot wurden beispielsweise von hochfrequenten Handelsalgorithmen dominiert, die Trades innerhalb von Sekundenbruchteilen ausführen können. 

Der Aufstieg des algorithmischen Handels wurde durch mehrere Faktoren vorangetrieben. Erstens hat die zunehmende Verfügbarkeit von Echtzeit-Marktdaten es Algorithmen erleichtert, Marktzustände zu analysieren und profitable Handelsmöglichkeiten zu identifizieren. Zweitens haben Fortschritte im maschinellen Lernen und in der künstlichen Intelligenz Algorithmen in die Lage versetzt, aus historischen Daten zu lernen und ihre Leistung im Laufe der Zeit zu verbessern. 

Die Relevanz des algorithmischen Handels im Vergleich zur entscheidungsbasierten Handlung von Menschen im kurzfristigen Stromhandel ist ein Thema kontinuierlicher Debatten. Während Algorithmen in der Lage sind, große Datenmengen schnell und effizient zu verarbeiten, fehlt ihnen die menschliche Intuition und Kreativität, die manchmal zu unerwarteten Marktergebnissen führen können.

Auf der anderen Seite können menschliche Händler anfällig für Vorurteile, Emotionen und kognitive Einschränkungen sein, die ihre Entscheidungsfindung beeinflussen können. Trotz dieser potenziellen Nachteile legen die Beweise nahe, dass der algorithmische Handel unumkehrbar ist.

Eigentlich könnten wir hiermit die Übung beenden, aber mit ein wenig menschlichem Stolz im Spiel möchte ich diese Einschätzung um ein paar Punkte erweitern.

Der Status Quo: Automatisierung ist bereits der neue Branchenstandard

Automatisierung auf kurzfristigen Strommärkten ist eine etablierte Praxis und keineswegs eine neue Entwicklung. Laut EPEX Spot wurden 84% der Handelsgeschäfte auf dem eigenen kontinuierlichen Intraday-Markt über API abgeschlossen und nur 16% über die manuelle Handelsoberfläche Comtrader, während 60% des Handelsvolumens über API abgewickelt wurden im Vergleich zu 40% auf Comtrader. Der Unterschied liegt darin, dass Bots (d.h. Algorithmen) tendenziell kleinere Auftragsgrößen haben als Menschen, die Comtrader und ihre Finger verwenden. In Deutschland, dem wohl liquidesten und fortschrittlichsten Intraday-Markt, lag das Volumenverhältnis bereits bei 75% API vs. 25% Comtrader.

Diese Metrik ist nicht perfekt, da ein Handel über eine API nicht zwangsläufig bedeutet, dass er von einem Bot ausgeführt wurde. Es kann jedoch sicher angenommen werden, dass dies für die meisten der untersuchten Trades gilt. Der Trend ist hier sehr deutlich und tendiert stark zur Automatisierung auf kontinuierlichen Märkten. Automatisierung bedeutet jedoch keineswegs eine hohe technische Raffinesse, geschweige denn den Handel auf Basis künstlicher Intelligenz (KI).

Automatisierte Ausführung vs. Autonome Entscheidungsfindung

Die Terminologie in dieser Diskussion ist noch nicht geklärt, was zu ziemlicher Verwirrung führt. Die Leute sprechen von automatisiertem Handel, algorithmischem Handel (Algo-Trading), autonomem Handel, auf KI basierender Entscheidungsfindung, maschinengestütztem Handel, um nur einige zu nennen, und sie meinen sehr unterschiedliche Dinge, wenn sie diese Begriffe verwenden. Daher werde ich versuchen, zwischen automatisierter Ausführung und autonomer Entscheidungsfindung zu unterscheiden, um etwas Struktur in unser Denken zu bringen.

Automatisierte Ausführung im Stromhandel wird nicht mehr verschwinden

Die automatisierte Ausführung auf kurzfristigen Märkten ist möglicherweise ein großer Teil des gesamten automatisierten Handels an der EPEX Spot. Die automatisierte Ausführung ist ein Werkzeug für einen menschlichen Entscheidungsträger, um effizienter auf den Markt zuzugreifen. Ein menschlicher Intraday-Händler muss 24 stündliche und 96 viertelstündliche Produkte mit ständig wechselnden Geboten und Angeboten auf sehr unterschiedlichen Preisniveaus innerhalb jedes Tages und jeder Handelsschicht verwalten. Die Positionen des Erneuerbaren-Portfolios können sich alle paar Minuten ändern, was bedeutet, dass die Händlerin jede Minute etwa 120 Gebote und Angebote eingeben/ändern muss. Das ist offensichtlich keine Aufgabe für einen Menschen. Daher verwenden die meisten Stromhändler an kurzfristigen Märkten Algorithmen, die automatisch einige oder die meisten ihrer Aufträge ausführen. Die standardmäßige automatisierte Ausführung ist ein Positionsschließer mit einer Reihe von Preisgrenzen, die versuchen, eine sich ständig ändernde Position der Erneuerbaren zu verwalten. Meiner Ansicht nach sind diese Bots nichts weiter als ein Werkzeug, das zweifellos äußerst nützlich ist, aber an sich nicht sehr beeindruckend ist. Die Komplexität von Positionsschließern variiert von der Komplexität eines einfachen Schraubenziehers bis hin zu der eines sehr flexiblen Montageroboters, aber im Grunde genommen tun sie nicht viel mehr, als die vorprogrammierten Wünsche einer menschlichen Person auszuführen.

Selbst wenn es um den automatisierten Handel mit proprietären Strategien oder die Ausführung von Handelsstrategien für flexible Assets wie Batterien geht, sind Bots sehr wichtig, sogar unverzichtbar, sie beeindrucken jedoch auf keiner grundlegenden Ebene. Die meisten Bots, die mit eigenen Strategien handeln, führen Trades aufgrund einer Logik aus, die ihnen in irgendeiner Weise von einem Menschen gegeben wurde, zum Beispiel:

"Kaufe Stunde 12, wenn (Tag = Sonntag, erneuerbare Produktion < 20 GW, Nachfrage > 40 GW, Preis < 60 EUR/MWh)." (Um sicherzugehen: Nein, dies ist keine Strategie, mit der man Geld verdienen kann).

Die automatisierte Ausführung von Stromhandelsgeschäften ist nicht besonders beeindruckend

Die Kalibrierung einer guten Ausführung wird anspruchsvoller und interessanter, wenn man über Auftragsgrößen, Timing, Gebots-/Angebotspositionierung und verschiedene andere Bedingungen nachdenkt. Einige automatisierte Handelscockpits sind so vielfältig und kompliziert geworden, dass die meisten Vertriebsexperten nicht erklären können, was ihre Funktionen in der Praxis tun.

Auch die gehypten Bots für den Handel mit Batterien sind in der Regel nicht die spektakulären Raketen, als die sie dargestellt werden. Die meisten von ihnen sind einfache Spread-Sucher, die in Positionen ein- und aussteigen und dabei den größten Spread zwischen Produkten mit einem bestimmten Risikoprofil absichern. Ich bringe hier kein Argument gegen die Automatisierung vor, um das direkt klar zu sagen. Kein Mensch könnte es schaffen, ein Portfolio von beispielsweise zehn verschiedenen Batterien mit unterschiedlichen Zyklusbeschränkungen zu handeln und sie über 120 Intraday-Produkte mit ständig wechselnden Preisen zu optimieren. Das ist eindeutig eine Aufgabe für Maschinen. Bots und Algorithmen werden nicht müde, sie machen keine Rechenfehler, sie können gleichzeitig eine große Menge an Informationen verarbeiten und sie verlangen keine Gehälter (zumindest noch nicht). Dennoch möchte ich erneut betonen, dass auch die meisten dieser Maschinen nicht sonderlich beeindruckend sind. Sie haben eine Menge der Klickarbeit ersetzt, die Intraday-Händler wie ich in der Vergangenheit ausüben mussten, aber sie haben die Entscheidungsfindung selbst nicht ersetzt.

Die wirklich beeindruckende Anwendung, die menschliche Trader weitgehend ersetzen könnte und wahrscheinlich auch wird, ist die autonome Entscheidungsfindung in Verbindung mit automatisierter Ausführung. Autonome Entscheidungsfindung bedeutet, dass ich einer KI eine Aufgabe gebe, wie zum Beispiel "Schließe meine Position so, dass die Einnahmen im Laufe der Zeit maximiert werden", und sie dann übernehmen lasse. Noch besser: "Handel rein und raus aus einer Position mit einem Limit von X MW und einer maximalen Varianz von Y EUR und maximiere die Gewinne". Ich würde dieser KI eine große Menge historischer Daten zur Verfügung stellen, einschließlich Preisen, Trades, Orderbüchern, Wetterdaten, Netzdaten, Brennstoffkosten usw., und sie dann einfach durch die Vergangenheit trainieren lassen, um zukünftige Entscheidungen zu treffen. Ich könnte sie auch einen profitablen menschlichen Trader beobachten lassen und sie anhand der beobachteten Entscheidungen trainieren lassen. Nachdem ich gesehen habe, was KIs wie ChatGPT oder Midjourney leisten können, bin ich sicher, dass diese Art von KI früher oder später die Rolle von menschlichen Händlern übernehmen wird. Allerdings werde ich erklären, warum es möglicherweise schwieriger ist, als viele Enthusiasten behaupten.

Die Hürden für Algotrading in der autonomen Entscheidungsfindung

In den letzten Jahren haben wir versucht, maschinelles Lernen für verschiedene Anwendungsfälle einzusetzen und sind dabei auf Probleme gestoßen, die bei der Anwendung dieser Technologie üblich sind. Die Hauptprobleme, die wir festgestellt haben, sind unvollständige und fehlerhafte Daten, sich verändernde Marktumgebungen, Ausreißer-Situationen, technische Fehler und ein Mangel an Fachwissen.

Unvollständige und fehlerhafte Daten

Unvollständige und fehlerhafte Daten verdienen einen eigenen Beitrag, aber ich ermutige Unternehmen wie Volue und Montel, ihre Dienste weiter zu verbessern, um den Markt für maschinelles Lernen bereit zu machen. Allerdings besteht derzeit noch das Problem, dass die meisten Datenanalyseprobleme 20% Analyse und 80% Datenaufbereitung erfordern. Solange dies nicht gelöst ist, wird es für maschinelles Lernen nicht einfach sein, genügend nützliches Material zum Training zu finden.

Märkte verändern sich

Sich verändernde Marktumgebungen und Ausreißer sind wahrscheinlich die größten Probleme für die autonome Entscheidungsfindung. Ich glaube, dass autonomes Algotrading eher mit autonomem Fahren verglichen werden kann als mit KI-Anwendungen wie Large Language Models (LLMs) wie ChatGPT. ChatGPT kann auf einem stabilen Satz von Daten trainiert werden und dann auf sich ändernde Fragen angewendet werden. Und das ist beeindruckend. Allerdings ist im kurzfristigen Stromhandel der Lernsatz an Daten überhaupt nicht stabil und die Welt um Sie herum ändert sich mit jeder Wahl, die Sie treffen, ähnlich wie beim Fahren eines Fahrzeugs. Das Produkt "13q4" heute ist ein sehr unterschiedliches Produkt als das Produkt "13q4" gestern, da sich technische Bedingungen, Angebot und Nachfrage unterscheiden, und das Schlimmste ist: Der Markt hat aus dem gelernt, was gestern in "13q4" passiert ist, und kann diese Voreingenommenheit in den heutigen Tag mitnehmen. Außerdem ist es für eine KI schwierig zu verstehen, dass die Preisniveaus von gestern ziemlich nutzlos sind, um die Preise von heute vorherzusagen, wenn die Gaspreise sich innerhalb eines Tages um 10 EUR bewegt haben, wie es während der jüngsten Krise der Fall war. Mir ist bewusst, dass jetzt alle Quant-Trader lachen, denn diese Probleme lassen sich beheben. Aber jede Lösung macht das Modell so viel komplexer und schwieriger zu verwalten. Nach unserer Erfahrung geraten die Märkte mindestens einmal pro Woche irrational außer Kontrolle, und jeder erfahrene menschliche Trader wird Ihnen sagen, dass es nicht schwierig ist, die Bots (oder Algotrader) in solchen Situationen auszuspielen.

Umgang mit technischen Ausfällen

Ein unterschätztes Problem für die autonome Entscheidungsfindung und das unüberwachte Algotrading sind technische Ausfälle. Das Streaming von Live-Daten und das Treffen von Entscheidungen basierend auf diesen Daten ist schon komplex genug, wenn alles gut läuft. Aber oft genug ist das nicht der Fall: Märkte haben technische Probleme und brechen zusammen, Websites für wichtige Inputdaten stürzen ab, Datenextraktionswerkzeuge versagen, Datenpipelines brechen zusammen, der Handelsdatenempfang funktioniert nicht richtig. All diese Prozesse sind ärgerlich für Menschen, aber wir sind ziemlich gut darin, Workarounds zu finden und Probleme schnell zu lösen. Jedes dieser Probleme wäre jedoch katastrophal für KI, die eine große unüberwachte Position handhabt, da sie möglicherweise nicht in der Lage ist, sich ans Telefon zu klemmen und einen Ausweg zu finden.

Ressourcen und Fachkenntnisse

Das letzte große Problem, das ich sehe, ist einfach ein Mangel an Fachkenntnissen und Ressourcen. Obwohl ich viele Maschinenlernkurse in Lebensläufen sehe, glaube ich, dass die besten Fachleute in diesem Bereich immer noch im Silicon Valley zu finden sind und andere Probleme als die der europäischen Strommärkte lösen. Im Vergleich zu den Ressourcen, die in das Metaverse oder das autonome Fahren fließen, hat noch niemand ernsthaft versucht, KI für den kurzfristigen Stromhandel umzusetzen. Dies könnte der größte Grund dafür sein, dass dieser Markt noch nicht von einem herausragenden Akteur dominiert wird. Wenn Sie diese Person sind, können Sie uns gerne eine Bewerbung senden ????

Wenn wir zur Metapher des autonomen Fahrens zurückkehren, denken Sie an die Ressourcen, die in die Lösung dieser außerordentlich schwierigen Aufgabe geflossen sind, die dennoch in gewisser Weise ungelöst bleibt. Als Gesellschaft erlauben wir jedem 18-Jährigen nach einer grundlegenden Ausbildung, ein Auto zu fahren. Glauben Sie mir, die Hürden, um Händler auf den Strommärkten zu werden, sind viel höher. Wenn wir also das Problem der Entscheidungsfindung eines durchschnittlichen 18-Jährigen mit immensem Aufwand noch nicht vollständig lösen konnten, wie lange wird es dann dauern, einen anspruchsvollen menschlichen Entscheidungsträger vollständig zu ersetzen, wenn wir nur einen Bruchteil dieser Ressourcen investiert haben?

Wir glauben an Bots und Menschen

Wenn es um Risikomanagement und Prop-Trading geht, haben Menschen nach wie vor eine Rolle zu spielen. Wenn es um die Verwaltung von erneuerbaren Portfolios oder den Handel mit flexiblen Batterien und anderen Vermögenswerten geht, setzen wir stark auf Automatisierung. Für uns ist der Aufbau von Bots nichts Besonderes mehr, da dies in den letzten fünf Jahren Teil unserer täglichen Praxis war. Dennoch erleben wir immer wieder Situationen, in denen der Markt ein wenig verrückt spielt und die meisten Bots an ihre Grenzen stoßen. In solchen Fällen drücken wir den manuellen Override Button und gehen in den Kampfmodus über. Dies ist sehr zum finanziellen Vorteil unserer Kunden, da wir ihnen niedrigere Preise für die Verwaltung ihres Portfolios und höhere Erträge bei der Verwaltung ihrer Flexibilität bieten können. Wenn Sie Hilfe bei diesen Fragen benötigen, können Sie bei uns übrigens jederzeit einen Trader mieten.

Wir glauben nach wie vor an das Zusammenspiel von menschlichen Marktexperten, die fundamentale Preisvorstellungen haben, sicher mit unvorhergesehenen Situationen umgehen können und Bots entwickeln können, die diese Ansichten auf elegante Weise widerspiegeln. Der Tag, an dem KI den Großteil des kurzfristigen Handels übernimmt, wird sicherlich kommen, aber menschliche Trader sind noch hier und werden es auch morgen sein. Oder vielleicht auch noch weiteres Jahrzehnt. Die Zeit wird es zeigen.