Hva er Algorithmic trading?

Algorithmic trading, på norsk ofte kalt algoritmisk handel eller bare algo-handel, er en handelsmetode der dataprogrammer utfører kjøps- og salgsordrer automatisk. I stedet for at et menneske sitter og overvåker kurser og legger inn ordrer manuelt, følger programmet et sett med forhåndsdefinerte instruksjoner – en algoritme. Disse instruksjonene kan være basert på tidspunkt, pris, volum, tekniske indikatorer eller en kombinasjon av flere faktorer.

Algoritmisk handel brukes i dag av alt fra store hedgefond og investeringsbanker til private investorer som ønsker å automatisere strategiene sine. Metoden har blitt så utbredt at den utgjør en betydelig andel av omsetningen på de fleste større børser. Ifølge en rapport fra Securities and Exchange Commission (SEC) i 2018 var elektronisk og algoritmisk handel både utbredt og integrert i kapitalmarkedenes funksjon.

Det er viktig å skille mellom algoritmisk handel og enkel automatisering. En limitordre som legges inn automatisk når aksjen når en viss kurs, er strengt tatt også en algoritme, men begrepet brukes oftest om mer avanserte strategier som tar hensyn til flere variabler samtidig. Uansett kompleksitetsnivå handler det om å la datamaskinen ta beslutninger raskere og mer konsekvent enn et menneske.

Forstå Algorithmic trading

For å forstå algoritmisk handel må man først se på hva en algoritme er: en oppskrift eller et sett med regler som sier nøyaktig hva som skal gjøres under gitte betingelser. I finansverdenen oversettes disse reglene til programkode som kan kjøre på en server eller i skyen. Algoritmen overvåker kontinuerlig markedsdata og utfører handler når betingelsene er oppfylt.

En typisk algoritme kan for eksempel si: «Kjøp 100 aksjer i selskap X hvis 50-dagers glidende gjennomsnitt er høyere enn 200-dagers glidende gjennomsnitt, og hvis volumet de siste 10 minuttene er minst 20 % over gjennomsnittet.» Slike regler kan være enkle eller ekstremt komplekse, avhengig av strategien.

Det finnes flere hovedkategorier av algoritmiske strategier. Trendfølgende strategier prøver å fange opp bevegelser i markedet, for eksempel ved å kjøpe når en aksje bryter ut av en viss kursbane. Arbitrasjestrategier utnytter prisforskjeller mellom ulike markeder eller instrumenter. Market making-strategier legger kontinuerlig inn kjøps- og salgsordrer for å tjene på spreaden. I tillegg finnes det mer avanserte strategier basert på maskinlæring og kunstig intelligens, som lærer av historiske mønstre.

Hvordan fungerer Algorithmic trading?

Prosessen med algoritmisk handel kan deles inn i flere trinn. Først må investoren eller utvikleren definere en handelsstrategi – altså de reglene som skal styre kjøp og salg. Dette kan gjøres basert på teknisk analyse, statistiske modeller eller en kombinasjon. Deretter programmeres strategien i et egnet programmeringsspråk, ofte Python, C++ eller Java. Mange plattformer tilbyr også ferdige maler og grafiske verktøy for å lage algoritmer uten omfattende koding.

Når algoritmen er skrevet, må den testes. Backtesting er en avgjørende fase der algoritmen kjøres mot historiske markedsdata for å se hvordan den ville ha prestert. Her simuleres handler over en periode, og man får mål som avkastning, maksimalt tap og antall handler. En god backtesting-plattform tar hensyn til transaksjonskostnader, glidning og markedsdybde.

Etter vellykket backtesting settes algoritmen i produksjon. Den kobles til en megler eller børs via en API (Application Programming Interface) og begynner å motta sanntidsdata og sende ordrer. Algoritmen kan kjøre på en dedikert server nær børsen for å minimere forsinkelse (latency). For høyfrekvenshandel er latency kritisk – millisekunder kan utgjøre forskjellen mellom profitt og tap. For langsommere strategier er det mindre viktig.

Historisk bakgrunn

Algoritmisk handel har røtter tilbake til 1970-tallet. I 1976 innførte New York Stock Exchange (NYSE) sitt «Designated Order Turnaround»-system (DOT), som gjorde det mulig å sende ordrer elektronisk fra megler til børsgulvet. Dette var starten på automatisering av ordreutførelse. Utviklingen akselererte utover 1980- og 1990-tallet ettersom datakraften økte og flere børser gikk over til elektroniske handelssystemer.

I 2009 ble det anslått at over 60 % av alle aksjehandler i USA ble utført av datamaskiner. I Norge fulgte Oslo Børs etter med elektronisk handel, og i dag er nesten all omsetning på Oslo Børs elektronisk. De siste tiårene har algoritmisk handel også spredt seg til andre aktivaklasser som råvarer, valuta og rentepapirer.

Fremveksten av kunstig intelligens har gitt algoritmisk handel et nytt løft. I 2024 genererte høyfrekvenshandel alene 10,4 milliarder dollar i inntekter globalt, og dette tallet forventes å stige til 16 milliarder dollar innen 2030. Samtidig har regulatorer som Finanstilsynet i Norge og ESMA i EU innført regler for å håndtere risikoen knyttet til algoritmisk handel, blant annet krav om testing og risikokontroll.

Praktisk eksempel

La oss ta et enkelt norsk eksempel. En investor ønsker å handle aksjer i Equinor (ticker: EQNR) basert på en glidende gjennomsnittsstrategi. Algoritmen defineres slik: Kjøp 200 aksjer når 50-dagers glidende gjennomsnitt (MA50) krysser over 200-dagers glidende gjennomsnitt (MA200). Selg aksjene når MA50 krysser under MA200. Dette kalles en «golden cross»-strategi og er populær blant trendfølgere.

Investoren programmerer algoritmen i Python ved hjelp av et bibliotek som pandas for dataanalyse og en API fra en norsk nettmegler som Nordnet eller DNB. Før algoritmen settes i live, backtestes den på Equinor-data for de siste fem årene. Resultatene viser en gjennomsnittlig årlig avkastning på 8 % før kostnader, med et maksimalt tap på 15 %. Etter å ha justert parameterne litt, settes algoritmen i produksjon med et startbeløp på 100 000 NOK.

Algoritmen overvåker kursdata hvert minutt. En dag i mars registrerer den at MA50 krysser over MA200, og den legger umiddelbart inn en kjøpsordre til gjeldende markedskurs. Ordren utføres innen få sekunder. Investoren trenger ikke å følge med – algoritmen tar seg av alt. Dette sparer tid og reduserer fristelsen til å gjøre impulsive endringer.

Fordeler og ulemper

Algoritmisk handel har flere fordeler. Den største er hastighet – datamaskiner kan reagere på markedsbevegelser på millisekunder, noe som er umulig for et menneske. Automatiseringen eliminerer også emosjonelle beslutninger som frykt og grådighet. I tillegg kan algoritmer overvåke flere markeder og instrumenter samtidig, noe som gir mulighet for diversifisering og arbitrasje. Transaksjonskostnadene kan reduseres fordi algoritmen kan splitte opp store ordrer i mindre biter for å minimere markedspåvirkning.

Samtidig finnes det ulemper. Tekniske feil i programkoden kan føre til store tap – det har skjedd flere kjente «flash crashes» der algoritmer har forårsaket brå kursfall. Algoritmisk handel kan også øke volatiliteten i markedet, spesielt når mange algoritmer reagerer samtidig på samme signal. Det er også en risiko for at algoritmer blir utnyttet av andre aktører som driver med spoofing eller andre former for markedsmanipulasjon.

For private investorer kan det være utfordrende å utvikle og vedlikeholde en lønnsom algoritme. Backtesting kan gi for gode resultater hvis man ikke tar hensyn til glidning og transaksjonskostnader. I tillegg krever det teknisk kompetanse og tid. Mange velger derfor å bruke ferdige algoritmer eller følge signaler fra andre.

Vanlige misforståelser

En utbredt misforståelse er at algoritmisk handel er det samme som høyfrekvenshandel (HFT). HFT er en undergruppe som fokuserer på ekstremt raske handler, ofte med posisjoner som holdes i sekunder eller mindre. De fleste algoritmiske strategier er derimot langsommere og kan holde posisjoner i dager eller uker.

En annen misforståelse er at algoritmisk handel krever avansert programmeringskunnskap. Riktignok er det en fordel å kunne kode, men i dag finnes det plattformer som TradingView, MetaTrader og NinjaTrader med visuelle verktøy der man kan sette sammen regler uten å skrive en eneste linje kode. Flere norske nettmeglere tilbyr også enkle automatiseringsfunksjoner.

Noen tror også at algoritmer alltid gir profitt. Det stemmer ikke. En algoritme er bare så god som strategien den bygger på. Markedsforholdene endrer seg, og en strategi som fungerte i fjor, kan tape penger i år. Derfor er kontinuerlig overvåking og justering nødvendig. Til slutt er det en myte at algoritmisk handel bare er for store institusjoner. Private investorer kan fint delta, men de bør starte med små beløp og grundig testing.

Oppsummering

Algorithmic trading har revolusjonert finansmarkedene ved å gjøre handel raskere, mer effektiv og mindre avhengig av menneskelige feil. Metoden spenner fra enkle automatiserte ordrer til komplekse strategier drevet av kunstig intelligens. For norske investorer åpner det muligheter for å delta i markeder på en disiplinert måte, enten man er institusjonell eller privat.

Samtidig er det viktig å være klar over risikoene. Tekniske feil, markedsmanipulasjon og overoptimistisk backtesting kan føre til tap. Derfor bør alle som vurderer algoritmisk handel, starte med grundig research, bruke backtesting-verktøy og begynne med små beløp. Regulatoriske krav i Norge og EU stiller også krav til risikostyring og dokumentasjon.

For de som ønsker å lære mer, finnes det gode ressurser på norsk – blant annet fra Oslo Børs og Finanstilsynet – samt internasjonale plattformer som Investopedia. Algoritmisk handel er ikke en snarvei til rikdom, men et verktøy som kan forbedre handelsdisiplinen og effektiviteten for dem som tar seg tid til å forstå det.