全部版块 我的主页
论坛 经济学人 二区 外文文献专区
420 26
2022-06-06
英文标题:
《Grasping asymmetric information in market impacts》
---
作者:
Shanshan Wang, Sebastian Neus\\\"u{\\ss} and Thomas Guhr
---
最新提交年份:
2019
---
英文摘要:
  The price impact for a single trade is estimated by the immediate response on an event time scale, i.e., the immediate change of midpoint prices before and after a trade. We work out the price impacts across a correlated financial market. We quantify the asymmetries of the distributions and of the market structures of cross-impacts, and find that the impacts across the market are asymmetric and non-random. Using spectral statistics and Shannon entropy, we visualize the asymmetric information in price impacts. Also, we introduce an entropy of impacts to estimate the randomness between stocks. We show that the useful information is encoded in the impacts corresponding to small entropy. The stocks with large number of trades are more likely to impact others, while the less traded stocks have higher probability to be impacted by others.
---
中文摘要:
单笔交易的价格影响通过事件时间尺度上的即时响应进行估计,即交易前后中点价格的即时变化。我们计算出了相关金融市场的价格影响。我们量化了交叉影响的分布和市场结构的不对称性,并发现跨市场的影响是不对称和非随机的。利用谱统计和香农熵,我们将价格影响中的不对称信息可视化。此外,我们还引入了影响熵来估计股票之间的随机性。我们证明了有用信息被编码在对应于小熵的碰撞中。交易量大的股票更有可能影响其他股票,而交易量少的股票受其他股票影响的可能性更高。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:Trading and Market Microstructure        交易与市场微观结构
分类描述:Market microstructure, liquidity, exchange and auction design, automated trading, agent-based modeling and market-making
市场微观结构,流动性,交易和拍卖设计,自动化交易,基于代理的建模和做市
--
一级分类:Quantitative Finance        数量金融学
二级分类:Statistical Finance        统计金融
分类描述:Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--

---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-6-6 16:03:53
把握市场影响中的不对称信息Hanshan Wang,Sebastian Neus¨uss和Thomas GuhrFa kult¨at f¨ur Physik,Universit¨at Duisburg–E ssen,Lotharstra¨E 1,47048 Duisburg,GermanyDeutsche B¨orse AG,Frankfurt,Germany电子邮件:shanshan。wang@uni-到期日。2019年4月23日摘要。单笔交易的价格影响通过事件时间尺度上的即时响应进行估计,即交易前后中点价格的即时变化。我们计算出了相关金融市场的价格影响。我们量化了交叉影响的分布和市场结构的不对称性,并发现整个市场的影响是不对称和非随机的。利用谱统计和香农熵,我们可视化了价格影响中的不对称信息。此外,我们还引入了影响熵来估计股票之间的随机性。我们发现有用的信息被编码在对应于小熵的碰撞中。交易量大的股票更有可能影响其他股票,而交易量少的股票受其他股票影响的可能性更高。PACS编号:89.65。Gh 89.75。Fb 05.10。GgKeywords:市场影响、不对称信息、特征值谱、entr opy、网络把握市场影响中的不对称信息2内容s1简介22数据描述32.1数据集。32.2订单重建。42.3数据处理。53价格影响的不对称性53.1影响的衡量。63.2分布不对称。93.3市场结构不对称。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-6 16:03:56
1 04非对称市场结构的特征值谱115非对称市场结构的熵145.1特征值谱的熵。145.2价格影响的范围。155.3价格影响网络。186结论20Acknow ledgments 21附录A交易数据221。引言在过去二十年中,金融市场的微观结构吸引了越来越多的关注。大量可用的事务数据使定量分析成为可能。自20世纪60年代曼德布罗特发现棉花价格的t尾分布[1]以来,价格动态中的许多程式化因素[2-4]被确定。特别是,贸易引起的价格变化表现出非马尔可夫特征[5-8],这促使市场暂时偏离有效状态[7]。交易引起的平均价格变化称为价格影响[9]。单只股票的价格影响更有可能导致额外的交易成本,称为流动性成本【10】。为了降低此类成本,交易员拆分订单,这在一定程度上导致了订单中的长期记忆相关性[5,11]。大规模分割订单的影响被称为市场影响[12,13]。这些发现具有相当大的实践和理论重要性。最近,实证研究[7、8、14]表明,股票也存在价格影响。为了避免混淆,单个股票的影响称为自我影响,股票之间的影响称为交叉影响。与自身影响产生的成本不同,在订单的最佳执行中,交叉影响造成的额外成本往往被忽视。从“无动态套利”的角度来看,交叉影响应该是对称的。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-6 16:04:00
然而,资产在市场中收集不对称信息对资产j的影响与资产j对资产i的影响并不相同[15]。尽管没有报价,交叉影响的不对称性意味着,首先,市场中分配的信息是不对称的,其次,如果使用特殊策略,套利是可能的。与交叉影响相比,自我影响得到了更广泛的研究和估计,部分原因是经验估计的困难。如果没有适当的定价,交叉影响或由此产生的成本可能会出现偏差。我们以1秒的分辨率在物理时间尺度[7、8、24]上对交叉反应和交叉影响进行了实证分析。在他们的研究中,Benzaquen等人使用了五分钟的时间间隔【14】。时间尺度的选择有一定的局限性。因此,Schneider等人使用组合交易时间[15]。在本研究中,我们关注即时反应。更准确地说,我们分析了一只股票的后续报价变化是如何由另一只股票的交易引起的。在这个意义上,我们使用事件时间尺度。即时响应有助于在没有时间延迟的情况下方便地估计影响。与具有时间滞后的影响相比,这种影响会立即导致交易成本的增加。如果我们能够gra sp即时影响的重要信息,我们可以在多个股票的交易策略中使用这些信息来降低交易成本,或者在风险管理中设置警戒线。我们分析了整个相关市场的这些影响,并确定和量化了信息不对称。此外,香农熵[25]有助于我们评估影响的随机记忆程度,并提取其他有用的特征。本文的组织结构如下。在第节中。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-6 16:04:03
2、讨论数据。在第节中。3、我们衡量整个市场的影响不对称性。在第节中。4、我们分析了不对称影响的频谱统计。为了估计随机记忆的程度,我们引入了Shanno n熵,并在第节中用给定的熵矩阵构建了定向网络。结论见第节。6.2. 数据描述我们介绍了第节中的数据集。2.1,并解释从第节中的历史数据重建的顺序。2.2. 然后描述了昆虫数据处理的过程。2.3.2.1. 数据集我们使用TotalView ITCH数据集,其中来自纳斯达克股票市场的96只股票在纳斯达克100指数a中重新上市。TotalView ITCH数据集包含所有事件的订单流量数据,例如提交、取消和执行限额订单。它有一毫秒的分辨率,比贸易和报价(TAQ)数据集中的1秒分辨率高得多【26】。因此,TotalView ITCH数据集中记录了每个交易日的大量订单流量数据。对于每只股票,我们考虑了从3月7日到2016年3月11日的五个交易日的日内数据,从Tradingphysics获得的市场影响中的不对称信息【27】。与TAQ数据集不同,TotalView-ITCH数据集不直接提供报价和交易信息。要获得这些信息,需要重建订单簿。此外,我们研究中使用的交易和报价数据仅限于美国东部时间9:40至15:50之间的日内交易时间。a.2.2列出了这段时间内的股票和日均交易量。订单重建订单重建的基本思想是,在将订单组织到订单簿的同时,用历史订单流量数据模拟股票市场的交易。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-6 16:04:06
历史订单流量数据可在TotalView ITCH数据集中找到,该数据集记录所有限额订单,并显示消息以供处理。限价订单输入订单预订时间,等待更好的交易价格。它们与其他类型的订单(即市场订单)不同,市场订单按照当前可用价格立即执行。为了开始,我们从TotalView ITCH数据集中下载订单流量数据,并将限额订单注入订单池。订单池是根据每个客户携带的消息收集和处理所有限额订单的地方。该消息包括八种类型,提交至买方(B)、提交至卖方(S)、取消部分(C)、取消全部(D)、执行部分(E)、执行全部(F)、交叉事件批量(X)和执行非显示订单(t)。我们忽略了类型X和T,因为很难识别贸易类型,而且与其他类型相比,它们是稀疏的。在订单池中,提交的limitorder按照一级价格优先和二级时间优先的原则放置在一个价格级别。提交的订单将在该价格水平上提高可用数量。但是,如果取消订单或执行订单,订单价格级别的数量将部分或全部减少。为了使用不同的消息来竞争订单,我们遵循订单进入订单池时为订单提供的唯一ID。ID号较小的订单会提前提交。如果某一价格水平的数量完全消失,订单ID和相应的价格将从订单池中删除。因此,向订单发出的消息将改变价格或数量。为了使此类信息可见,订单中列出了所有价格和相应的数量。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群