Algorithmic and High-Frequency Trading

Cartea, Álvaro / Jaimungal, Sebastian / Penalva, José — Algorithmic and High-Frequency Trading (Cambridge University Press, 2015)

Kernthese

Das erste Lehrbuch, das mathematische Modellierung, empirische Marktdaten und Financial Economics für algorithmisches und Hochfrequenz-Trading vereint. Zielgruppe: Quantitative Forscher, Doktoranden und Praktiker, die HFT-Algorithmen entwickeln oder analysieren wollen.

Kernthemen

Execution Algorithms: - Optimale Ausführung großer Orders (Optimal Liquidation / Execution) - VWAP, TWAP und andere Execution-Schedules als Optimierungsprobleme - Almgren-Chriss Modell und Erweiterungen

Market Making: - Mathematische Modelle für Market Maker: Bid-Ask-Spread, Inventory Management - Avellaneda-Stoikov Modell als Grundlage

Adverse Selection: - Wenn Algorithmen gegen besser informierte Marktteilnehmer handeln - Toxischer Orderfluss und seine Implikationen

Dark Pools: - Execution in alternativen Handelssystemen ohne öffentlichen Orderbook

Stochastic Control: - HJB-Gleichung (Hamilton-Jacobi-Bellman) als mathematisches Framework für optimale Trading-Entscheidungen - Mean-Field Games für Multi-Agent-Szenarien

Mathematischer Level

Hochgradig mathematisch: Stochastische Differentialgleichungen (SDEs), stochastische Kontrolle, Partielle Differentialgleichungen. Setzt Kenntnisse in Measure Theory und Ito-Kalkül voraus.

Autoren

• alvaro_cartea — Reader in Financial Mathematics, University College London; ehem. JP Morgan Lecturer
• Sebastian Jaimungal — Associate Professor, University of Toronto; Consulting für Banken/Hedge Funds
• José Penalva — Associate Professor, Universidad Carlos III Madrid

Einordnung

Standardlehrwerk für akademisch-quantitative HFT-Forschung. Kein Praxisbuch für Einsteiger. Unverzichtbar für Quants, die in Market Making, Optimal Execution oder HFT-Strategie-Entwicklung arbeiten. Verwandt mit: 2026-05-12_gray_vogel_quantitative_momentum (quantitative Methodik), [[narang_inside_black_box]] (Black-Box-Überblick).