Projekt

Studentische Projektgruppe - Data Science Semesterprojekt

Detektion von Frontrunning an der Börse

  • Modul / Lehrveranstaltung: Projekt DataScience
  • Semester: 1.-3. Semester
  • Jahr: 2021

Das Ziel des Projektes ist die Entwicklung eines Modells zur Erkennung von Frontrunning auf dem Finanzmarkt. Frontrunning ist eine der häufigsten Manipulationen auf dem russischen Aktienmarkt. Diese Manipulation hat einen starken Einfluss auf den gesamten Markt, weil sie eine starke Preisbewegung verursacht und die faire Ausführung des Handels verzerrt. Frontrunning ist eine Strategie, die eine unethische und in einigen Fällen illegale Praxis eines Brokers charakterisiert, seine eigene Order vor einer großen Kundenorder zu platzieren, um von der Preisbewegung zu profitieren, die eine große Order erzeugen wird. Durch die Erkennung von Frontrunning kann künftig der verursachte Schaden reduziert und die Einhaltung der gesetzlichen Regelungen unterstützt werden.

Auf Grundlage der Analyse von Daten der Moskauer Börse und russischen Gesetzen wurde Kriterien zum Erkennung von Frontrunning identifiziert und Schwellenwerte für eine illegale Transaktion bestimmt. Im Ergebnis identifiziert das Modell auf Basis dieser Kriterien und Schwellenwerte illegale Transaktionen.
Das Modell arbeitet mit minimaler menschlicher Beteiligung, was in der Ära des algorithmischen Handels besonders relevant ist. Das Modell kann zur Verbesserung der automatisierten Überwachungssysteme an der Moskauer Börse eingesetzt werden.

Folgende Technologien kamen zum Einsatz: Python, PostgresSQL