全部版块 我的主页
论坛 经济学人 二区 外文文献专区
721 22
2022-06-11
英文标题:
《Optimal trading using signals》
---
作者:
Hadrien De March and Charles-Albert Lehalle
---
最新提交年份:
2018
---
英文摘要:
  In this paper we propose a mathematical framework to address the uncertainty emergingwhen the designer of a trading algorithm uses a threshold on a signal as a control. We rely ona theorem by Benveniste and Priouret to deduce our Inventory Asymptotic Behaviour (IAB)Theorem giving the full distribution of the inventory at any point in time for a well formulatedtime continuous version of the trading algorithm.Since this is the first time a paper proposes to address the uncertainty linked to the use of athreshold on a signal for trading, we give some structural elements about the kind of signals thatare using in execution. Then we show how to control this uncertainty for a given cost function.There is no closed form solution to this control, hence we propose several approximation schemesand compare their performances.Moreover, we explain how to apply the IAB Theorem to any trading algorithm drivenby a trading speed. It is not needed to control the uncertainty due to the thresholding of asignal to exploit the IAB Theorem; it can be applied ex-post to any traditional trading algorithm.
---
中文摘要:
在本文中,我们提出了一个数学框架来解决交易算法设计者使用信号阈值作为控制时出现的不确定性。我们依靠Benveniste和Priouret的一个定理来推导我们的库存渐近行为(IAB)定理,该定理给出了交易算法的一个公式化的时间连续版本在任何时间点的库存的完整分布。由于这是第一次有论文提出解决与在交易信号上使用athreshold相关的不确定性,我们给出了执行中使用的信号类型的一些结构要素。然后,我们展示了如何控制给定成本函数的这种不确定性。该控制没有封闭形式的解,因此我们提出了几种近似方案并比较了它们的性能。此外,我们还解释了如何将IAB定理应用于任何由交易速度驱动的交易算法。利用IAB定理,不需要控制信号阈值的不确定性;它可以事后应用于任何传统的交易算法。
---
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
--

---
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
2022-6-11 03:13:18
使用signalsHadrien De March优化交易*Charles Albert Lehalle+2018年11月12日Abstractwhen the designer of a trading algorithm uses a threshold on a signal as a control当交易算法的设计者使用信号阈值作为控制时。我们依靠Benveniste和Priouret的一个定理来推导我们的库存渐近行为(IAB)定理,该定理给出了交易算法的一个公式化的时间连续版本在任何时间点的库存的完整分布。由于这是第一次有论文提出解决与在交易信号上使用athreshold相关的不确定性,我们给出了执行中使用的信号类型的一些结构要素。然后,我们展示了如何控制给定成本函数的这种不确定性。该控制没有封闭形式的解,因此我们提出了几种近似方案并比较了它们的性能。此外,我们还解释了如何将IAB定理应用于任何由交易速度驱动的交易算法。利用IAB定理,不需要控制信号阈值的不确定性;它可以事后应用于任何传统的交易算法。关键词。
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

2022-6-11 03:13:22
最优交易,短期信号,随机控制。确认。作者感谢Mihail Vladkov、Robert Almgren、Reza Gholizadeh、Isaac Carruthers和Shankar Narayanan对使用信号阈值的atrading算法建模进行了卓有成效的讨论。1简介随着市场的分散和电子化,交易过程需要自动化。交易算法可用于购买或出售大量股票,通过不同的交易场所进行交易,以获得最具流动性的交易场所的利益,或创建市场(更多信息,请参见[])*哈德里安埃科尔理工学院CMAP。de公司-march@polytechnique.org.+资本基金管理(巴黎)和帝国理工学院(伦敦)。arXiv:1811.03718v1【q-fin.TR】2018年11月8日,但很少关注交易过程中“信号”的使用。由于风险管理是数学金融的常见风险之一,因此我们将重点放在了风险管理上。90年代末,最优交易(或最优清算)文献围绕着两篇开创性的论文展开:执行成本的最优控制[],重点关注如何在投资组合层面将潜在的市场影响降至最低,同时考虑到各组成部分之间的相关性;以及投资组合交易的最佳执行[],重点是在接近马科维茨一号[]的均值-方差框架内,在交易缓慢(以尽量减少市场影响)和交易快速(以获得接近决策发起价格)之间的平衡。速度是一种充分的控制。随后,文献朝着对相同组件更复杂的控制方向发展,采用了更复杂的方式。市场影响[]和清算期间的价格变化[1]保持着首要地位。一个显著的例外是将最优交易扩展到做市。
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

2022-6-11 03:13:25
在[]通过[]适应现代随机控制之后,[]和[]同时提出了不同标准的解决方案,即将消耗流动性的市场订单强度作为状态变量,并使用“过账价格”而不是交易速度作为控制。在最优做市文献中,目标不是平仓(即“元指令”),而是在市场的双方(买卖双方)提供流动性,以期获得买卖价差,并且不因逆向选择(通常由aprice trend建模)或中间价的意外变化过大而承受损失。回归最优交易:有人提出了具有不同控制的统计学习方法,如元指令的碎片化,以解决更快的时间尺度问题,如[]或[17]。2015年前最优交易的现有论文之间的共同点是,它们没有对最优交易者对未来价格走势的知识做出假设。在实践中,众所周知,短期交易者利用信号预测几分钟内的价格价值。最近的学术论文开始引入这样的信号,比如[]和自然而优雅的方式将其信号与永久的市场影响联系起来。尽管如此,订单流量还是一个非常特殊的信号。他们没有提供一种通用的方法来使用任何预测来调整交易速度。值得强调的是,Bertimas和Lo[]的初始文件包含了anAR(1)信号,产生了线性市场影响。对于非常简单的实用程序函数,Cartea和Jaimungal框架的特殊情况。此外,当你使用这样一个阈值时,会出现一种新的不确定性,因为它不能保证交易。
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

2022-6-11 03:13:28
将阈值设置在与信号电平分位数相对应的水平θppq上,只能保证获得交易的概率为1'p。我们认为这是至关重要的,因为这是最自然的方式来呈现ahe饱和的想法,他只有很少的交易机会,因此他可能不会在每次交易的信号上完成订单。简而言之:交易者越倾向于机会主义,他就越有选择高分位数的自由,因此他最终将获得最佳价格。本文的另一个特点是,我们在离散时间框架(时间可以视为事件时间或物理时间,没有重大变化)中对价格动态进行建模,使其尽可能真实。我们工作的关键点之一是提供连续时间内动力学的自然近似,允许以优雅的方式求解,同时控制相关的近似误差。实现交易速度的随机性。即使使用任意标准确定了策略,我们的近似值也可以在任何时间点提供交易量的不确定性边界。我们的工作在很大程度上依赖于[6]的随机近似结果。本文的第一部分描述了我们心目中的交易信号类型,并提供了数字示例。第二节从使用信号的交易算法的离散公式开始,表达了我们的库存渐近行为定理,并展示了它对交易算法的渐近动力学的含义。第三节致力于解决众所周知的Almgren-Chris最优交易问题。1.1自动市场中的最优交易建模通过信号设计最优交易策略。和事件驱动。
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

2022-6-11 03:13:31
根据文献(如[]或[]),我们将在中间价格的“有意义距离”(定义为最佳询价和最佳出价之间的中间)采用订单的事件驱动。公开的框架不会单独处理电子订单的收集(如[]),而是在一个聚合流动性池前进行交易。本文主要研究一个大型交易者的最优行为。我们的方法适用于机构投资者。为了保持符号和解释的简单,我们将以尽可能最好的价格出售)Q股。如果是买单,交易者不允许出售,如果是卖单,他不允许购买。在我们的框架中,表达最佳交易的最简单方式如下:o交易发生在时间0和时间T之间;o在此时间间隔内,交易者将“唤醒”N次(最后一个在T);o从不使用时间);o在每一步中,股票的价格为0,N,s,交易者的存货为Qn,交易者积累的资金为Mn;oSnPnSSthe next weak up);交易员在stepnis做出决定的一种自然方式是,只有当信号大于阈值时才买入,而当信号低于另一阈值时才卖出。因此,系统的动态由$\'&\'%Pn\'1“Pn`Pn\'1Qn\'1“Qn\'1SnaθnMn\'1“Mn\'1Snaθn–Pn。(1.1)其中,xn“pPn,Qn,Mnqis表示状态,θ是一个阈值,在“n,应用于a信号。我们简化了这里的符号。我们使用snaθ来表示θn阈值在1之前和之后都有交叉。请记住,唤醒时间约为几秒到几分钟;因此,在两次唤醒之间会发生多个订单事件。交易者的目标是找到θn,以优化最终资金和保留数量的效用函数城市:upMN,QNq。
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