ENERGIEMARKT

26 ENERGIEWIRTSCHAFTLICHE TAGESFRAGEN 67. Jg. (2017) Heft 11

Algorithmic Trading as a Service – Ausbau eines GeschäftsmodellsKrischan Keitsch, Johannes Becker und Benno Willoweit

Die Kombination aus Trading as a Service und Algorithmic Trading stellt für Marktzugangsanbieter die Möglichkeit dar, ihr Dienstleistungsportfolio zu erweitern, interne Prozesse zu optimieren und Händler zu entlasten. Dies ist ein logischer Schritt für die Weiterentwicklung des Geschäftsmodells. Kunden erhalten im Gegenzug ein hohes Maß an Flexibilität sowie einen einfachen und kostengünstigen Einstieg in das Algorithmic Trading.

wie Kraftwerke, Speicher oder Produktions-anlagen, sowie Erzeugungspositionen aus Erneuerbaren Energien (EE). Aufgrund ihrer Größe, Personalstärke oder weil der Ener-giehandel nicht ihr originäres Geschäftsfeld ist, nutzen sie Dienstleister, die ihnen den Marktzugang zu den Energiemärkten be-reitstellen (Abb. 1). So können sie ihre Bi-lanzkreise ausgleichen, Vertriebsportfolios bedienen, erneuerbare Energien direkt ver-markten und konventionelle Erzeugungs- und Lastoptionen optimieren.

Die Dienstleister agieren als Aggregatoren von Geboten, leiten diese an die Energie-märkte weiter und versorgen ihre Kunden mit Marktpreisinformationen. Die Abarbei-tung erfolgt teilweise via Remote Desktop Protocol (RDP), E-Mail und Telefon und ist somit personalintensiv, langsam und fehler-anfällig.

Algorithmic Trading

Die Automatisierung des Energiehandels hält Einzug in die Energiewirtschaft [3]. Zum einen ist dies der zunehmenden Liqui-dität an den Märkten geschuldet, zum ande-

ren steigt die Anzahl handelbarer Produkte. So werden die Produkte an den Börsen ste-tig kleinteiliger und ermöglichen effizien-tere und kurzfristigere Handelsaktivitäten. Ebenso werden Vorlaufzeiten bis zur phy-sikalischen Erfüllung reduziert, wie dies bspw. an der EPEX SPOT zu beobachten ist. In Verbindung mit steigenden Volatilitäten in der Erzeugung kann dies Händler stark unter Druck setzen.

Klassische Einsatzfelder in der Energiewirt-schaft sind die „Glattstellung“ von Bilanz-kreisen aufgrund von Aktualisierungen un-tertägiger Last- bzw. Erzeugungsprognosen sowie die Vermarktung von freier Flexibili-tät aus Kraftwerken, Speichern oder ener-gieintensiven Prozessen.

Will man als Unternehmen hier nicht das Nachsehen haben, so stellt sich die Frage nicht mehr, ob man Algorithmic Trading einsetzt oder nicht. Vielmehr ist die Frage, ob die eigenen Prozesse flexibel, die Sys-teme und deren Kommunikation effizient genug und die Investitionsbereitschaft bzw. möglichkeiten vorhanden sind. Gerade für kleinere Stadtwerke, Vertriebe, Direktver-markter und Industriebetriebe stellen die hohen Investitionen und laufenden Kosten eine Einstiegsbarriere dar.

Verbindung beider Konzepte

Die Kombination von Algorithmic Trading und Trading as a Service stellt eine Möglich-keit für Marktzugangsanbieter dar, ihr Ge-schäftsmodell weiterzuentwickeln und ihre Kundenbasis auszubauen. Die verwendete Infrastruktur entscheidet über Erfolg oder Misserfolg des Ansatzes.

Um Kunden einen attraktiven Weg zur Ver-marktung von freier Flexibilität und zum

Die einschneidenden Veränderungen in der Energiewirtschaft werden jährlich im Monitoringbericht der Bundesnetzagentur und des Bundeskartellamts dokumentiert. Der zunehmende Druck auf die Margen unterstreicht die Notwendigkeit, neue Ge-schäftsmodelle zu entwickeln, umso mehr. Neue Vermarktungskonzepte im Zuge der Energiewende zu identifizieren, stellt Unter-nehmen jedoch vor große Herausforderun-gen [1, 2].

Da die Digitalisierung Prozesse in der Ener-giewirtschaft stark verändert, optimiert und rationalisiert, bietet der Ausbau eines bestehenden Geschäftsmodells vielverspre-chende Möglichkeiten: Das Anbieten von Marktzugängen für kleinere und mittlere Akteure wie Stadtwerke, Industriekunden, Weiterverteilern und Vertriebe – Trading as a Service. Dabei zeigt sich, dass die ver-wendete Infrastruktur von entscheidender Bedeutung ist.

Trading as a Service

Zahlreiche Unternehmen verfügen in ihren Portfolios über vermarktbare Flexibilität,

Abb. 1 Darstellung des traditionellen Trading as a Service

ENERGIEMARKT

27ENERGIEWIRTSCHAFTLICHE TAGESFRAGEN 67. Jg. (2017) Heft 11

Schließen von Positionen anbieten zu kön-nen, gilt es, die Prozesskosten durch einen hohen Grad der Automatisierung gering zu halten. Je mehr Kunden ihre Gebote beim Anbieter ihres Vertrauens einstellen, desto wichtiger wird die Möglichkeit, Gebote von Kunden untereinander zu decken (mat-ching). So kann das Handelsvolumen, wel-ches an die Energiemärkte weitergereicht werden muss (routing), reduziert werden. Dies spart Handelsgebühren und Kommuni-kationswege.

Der vertragliche Rahmen einer Algorith-mic Trading as a Service Plattform kann dabei auf zwei unterschiedlichen Wegen realisiert werden. Einerseits können bila-terale Rahmenverträge zwischen zwei Teil-nehmern der Plattform das Matching ihrer Positionen erlauben bzw. unterbinden. In diesem Fall tragen die Teilnehmer das Erfüllungsrisiko selbst, der Betreiber der Plattform stellt dabei nur die technischen Mittel zum Abschluss des Geschäfts zur Verfügung.

Andererseits kann der Betreiber aber auch als Vermittler auftreten, der dann als drit-te Partei bei jedem Matching einer Position eintritt. Anstatt eines bilateralen Geschäfts zwischen zwei Parteien entsteht so jeweils ein Abschluss zwischen einer Partei und dem Betreiber. Dieses Modell hat für die Teilnehmer den Vorteil, dass Sie selbst kei-ne Risikoprüfung der Geschäfte mit anderen Teilnehmern vornehmen müssen. Das Erfül-lungsrisiko gegenüber beiden Parteien trägt in diesem Fall der Plattformbetreiber.

Eine solche Ausgestaltung ist erforderlich, wenn der Betreiber der Plattform Positio-nen, die nicht intern geschlossen wurden, durch Routing auf externe Märkte weiter-leitet. Werden neben Strom weitere Com-modities wie Gas unterstützt und besteht eine Marktanbindung an mehrere Märkte, so kann Kunden ein Zugang mit einer sehr hohen potenziellen Marktabdeckung und Li-quidität angeboten werden.

Kann der Kunde integrierte Handelsalgo-rithmen individuell konfigurieren und mit geringem Aufwand Positionen, Kapazitäten, Limits, sowie technische und finanzielle Rahmenbedingungen setzen, so sprechen wir von Algorithmic Trading as a Service.

Im abgebildeten Prozess in Abb. 2 stellt der Kunde Positionen, Orders oder freie Flexibilitätsbänder über einen Web-Client ein. Dieser erlaubt das Initiieren, Konfi-gurieren und Überwachen von Handels- algorithmen und stellt dem Kunden je-derzeit die aktuelle Marktsituation und den Handelsfortschritt dar. Das Erzeugen von Reports ist dabei ebenfalls von gro-ßer Bedeutung, da es neben der Überwa-chungsfunktion die Möglichkeit bietet, die getätigten Handelsaktivitäten und aktu-elle Marktdaten in zusätzlichen Prozess-schritten zu verarbeiten. Algorithmen, spezialisiert auf das effiziente Schließen von Positionen und Vermarkten von freier Flexibilität, beginnen Gebote auf dem in-ternen Marktplatz einzustellen. Durch das automatische interne Matching der Gebo-te auf dem internen Markt fallen keine zusätzlichen Handelsgebühren (trading fees) an.

Als ergänzendes Modul ist eine Integration von Back Testing denkbar. Hierbei werden Handelsalgorithmen in einem stark be-schleunigten Marktumfeld anhand histo-rischer Marktdaten auf Tickdaten-Ebene überprüft und evaluiert.

Händler des Dienstleistungsunternehmens (Market Access Trader – MAT) überwachen die Aktivitäten auf dem internen Markt. Können Gebote auf dem internen Markt nicht vollständig in Übereinstimmung ge-bracht werden (matching), kann der MAT diese händisch oder vollautomatisiert auf externe Märkte routen.

Wird die Dienstleistung Algorithmic Tra-ding as a Service mit einem volumenab-hängigen Preismodell angeboten, ergeben sich eine Reihe von Vorteilen sowohl für den Dienstleistungsanbieter als auch für seine Kunden. Die geringe Einstiegshürde aufgrund geringer Kosten, sehr niedriger bis nicht vorhandener Fixkostenbelastung, wegfallendem Aufwand für IT-Infrastruktur und Wartung und die hohe Flexibilität (ad-hoc Verfügbarkeit, kurze Kündigungsfris-ten, etc.), führen zu einer Steigerung von Liquidität und einer zusätzlichen Kunden-bindung.

Die Anwendungsfälle und daraus resultie-renden Nutzenaspekte für Kunden sind viel-fältig. Beispielhaft sind in der Tabelle Mo-dellrechnungen für zwei Anwendungsfälle beschrieben, die als Abschätzung für das kundenseitige Nutzenpotenzial dienen. Eine mögliche Anwendung ist die Vermarktung freier Flexibilitäten aus Kraftwerken, Spei-chern, etc. Ausgehend von einer vermarkt-baren Leistung von 100 MW und erfolgrei-cher Vermarktung von 50 % der Leistung an 10 Stunden des Tages resultiert ein monat-liches Handelsvolumen von 12.500  MWh. Bei einer durchschnittlichen Netto-Margen-erwar-tung von 0,50 € resultiert ein Umsatz von 6.250 € pro Monat.

Ein anderer Anwendungsfall besteht aus dem algorithmischen Glattstellen einer Po-sition, bspw. aus einem EE-Portfolio, die sich über die Handelszeit hinweg aufgrund von aktualisierten Prognosen verändert. Die Mo-dellrechnung basiert auf einer durchschnitt-

Abb. 2 Schematische Prozessdarstellung Algorithmic Trading as a Service

Markt Interner Markt Algo 2M

Algo 1MHändler Kunde 1

Kunde 2

Kunde n

Algorithmic Trading as a Service Anbieter

Algo nM

Mobile Client

Mobile Client

Mobile Client

ENERGIEMARKT

28 ENERGIEWIRTSCHAFTLICHE TAGESFRAGEN 67. Jg. (2017) Heft 11

lichen Leistung der Position von 100  MW, die vollständig vermarktet wird. Das resul-tierende Handelsvolumen von 36.500 MWh pro Monat führt bei einer durchschnittli-chen Margenerwartung von 0,25 € zu einem monatlichen Umsatz von 9.126 €.

Die Margenerwartungen in den dargestell-ten Berechnungen sind konservativ ge-schätzt. Je nach Anwendung und konkreter Gestalt der zu vermarktenden Einheit kann ein performanter Algorithmus diese über-treffen. Anzumerken ist, dass in diesen überschlägigen Modellrechnungen (siehe Tab.) keine Personalkosten berücksichtigt wurden.

Interessante, kostengünstige Option

Für Akteure ohne direkten Zugang zu den Energiemärkten stellt Algorithmic Trading as a Service eine interessante und kosten-

günstige Option dar, die Vorteile von Han-delsautomatisierungen zu nutzen. Anbieter der Marktzugangs-Dienstleistung können mit dem Einsatz von Handelsalgorithmen ihre Prozesse optimieren, Abwicklungskos-ten geringhalten und Kunden attraktive Ser-vices anbieten.

Neben den vorgefertigten Handelsalgorith-men ist auch denkbar, dass Kunden eigene Algorithmen verwenden möchten. Gängige Modellierungssprachen wie Python oder Java bieten sich – über definierte API-Zu-griffe – zur Entwicklung eigener Algorith-men an. Gewährleisten ließe sich dies über ein integriertes Back Testing anhand his-torischer Daten als weitere Dienstleistung. Das Back Testing kann dabei auch zur Pre-Qualifikation der Algorithmen verwendet werden. Zu Testzwecken und zur Schulung könnten Algorithmen in einer agentenba-sierten Marktsimulation zum Einsatz kom-men [3].

In einer weiteren Ausbaustufe kann man sich schematisch den Zusammenschluss mehrerer Algorithmic Trading as a Service Anbieter vorstellen. In dieser Vision werden die internen Märkte der einzelnen Anbie-ter untereinander verbunden und reichen lokal „non-matching“ Handelsaufträge an angrenzende interne Märkte weiter. Zum einen lassen sich so lokale Märkte unter Be-rücksichtigung von Netztopologien abbilden und zum anderen eine Dezentralisierung des Energiehandels umsetzen.

Anmerkungen

[1] Scheller, F.; Keitsch, K.; Kondziella, H.; Reichelt, D.

G., Dienst, S.; Kühne, S. und Bruckner, T.: Evaluation

von Geschäftsmodellen im liberalisierten Energie-

markt. In: BWK, Ausgabe 11, 2015.

[2] Keitsch, K.; Scheller, F.; Kondziella, H. und Bruck-

ner, T.: Smart-Meter-Daten als Grundlage kundenspe-

zifischer Geschäftsmodelle. In Energiewirtschaftliche

Tagesfragen 66. Jg. 2016, Heft 8.

[3] Keitsch, K.; Bornhöft, N.; Becker, J. und Wieland, A.:

Algorithmic Trading – Der Einsatz von Handelsalgorith-

men in der Energiewirtschaft. In e.m.w, Ausgabe 2, 2017.

K. Keitsch, Senior Consultant, J. Becker, Se-nior Consultant, B. Willoweit , Senior Con-sultants, Energy Trading & Risk Manage-ment, EXXETA AGKrischan.Keitsch@EXXETA.comJohannes.Becker@EXXETA.com

Tab.: Modellrechnung Nutzen aus Algorithmic Trading as a ServiceModellrechnung: Vermarktung durch Einsatz von Algorithmic Trading as a Service

Anwendungsfall Leistung [MW]

Leistungs-anteil [%]

Dauer [h/Tag]

Tage Handelsvolu-men pro Mo-nat [MWh]

Durchschnittliche Margenerwartung [€/MWh]

Umsatz pro Monat [€]

Flexibilität [MV] 100 50 % 10 300 12.500 0,50 6.250

Position [MV] 100 100 % 12 365 36.500 0,25 9.126

Im Rahmen der RENEXPO INTERHYDRO, Europas Treffpunkt der Was-serkraftbranche, thematisiert die „3. internationale Konferenz: Pump-speicherkraftwerke“ am 29.11.2017 die Bedeutung von Pumpspeicher-kraftwerken (PSW) für die Integration erneuerbarer Energien in das zukünftige Energiesystem. Die Konferenz gibt zunächst einen Überblick über Stromspeichertechnologien, Marktentwicklung und Geschäfts-modelle. Im Folgenden liegt der Fokus auf der Systemrelevanz von PSW, deren netzdienlicher Betriebsführung, aktuellen Projekten und Zukunftsperspektiven. Die abschließende Podiumsdiskussion beleuch-tet die Rolle von Pumpspeicherkraftwerken im Wettbewerb mit ande-ren Stromspeichertechnologien bei der Umsetzung der Energiewende. Renommierte Referenten und Moderatoren wie MDirig. Rudolf Escheu, Bayerisches Staatsministerium für Wirtschaft und Medien, Energie und Technologie; Prof. Dr. Thomas Hamacher, Technische Universität Mün-

chen; Dipl.-Kaufmann Christoph Hankeln, TEAM CONSULT; Prof. Helmut Jaberg, Technische Universität Graz; Dipl.-Ing. Gottfried Gökler, Vorarl-berger Illwerke AG; em. Univ.-Prof. Dr. Günther Brauner, Technische Uni-versität Wien; Dr. Hans-Joachim Röhl, Next Kraftwerke GmbH; Dipl.-Ing. Martin Pfisterer, Salzburg AG und Gunnar Braun, Verband Kommunaler Unternehmen e. V. (VKU), Landesgruppe Bayern geben einen fundierten Gesamtüberblick über die aktuelle Situation der PSW und ihre Zukunfts-perspektiven.

Weitere Kongressthemen in Salzburg sind Gewässerökologisch verträgli-cher Wasserkraftausbau, Kraftwerksbau und dessen Komponenten sowie Wasserkraft in Osteuropa und in Afrika.

Weitere Informationen: www.renexpo-hydro.eu

3. internationale Konferenz Pumpspeicherkraftwerke zeigt aktuelle Situation und Zukunftsperspektiven