全部版块 我的主页
论坛 经济学人 二区 外文文献专区
844 23
2022-06-11
英文标题:
《The market nanostructure origin of asset price time reversal asymmetry》
---
作者:
Marcus Cordi, Damien Challet, Serge Kassibrakis
---
最新提交年份:
2020
---
英文摘要:
  We introduce a framework to infer lead-lag networks between the states of elements of complex systems, determined at different timescales. As such networks encode the causal structure of a system, infering lead-lag networks for many pairs of timescales provides a global picture of the mutual influence between timescales. We apply our method to two trader-resolved FX data sets and document strong and complex asymmetric influence of timescales on the structure of lead-lag networks. Expectedly, this asymmetry extends to trader activity: for institutional clients in our dataset, past activity on timescales longer than 3 hours is more correlated with future activity at shorter timescales than the opposite (Zumbach effect), while a reverse Zumbach effect is found for past timescales shorter than 3 hours; retail clients have a totally different, and much more intricate, structure of asymmetric timescale influence. The causality structures are clearly caused by markedly different behaviors of the two types of traders. Hence, market nanostructure, i.e., market dynamics at the individual trader level, provides an unprecedented insight into the causality structure of financial markets, which is much more complex than previously thought.
---
中文摘要:
我们引入了一个框架来推断在不同时间尺度下确定的复杂系统元素状态之间的超前-滞后网络。由于此类网络对系统的因果结构进行编码,推断多对时间尺度的超前-滞后网络提供了时间尺度之间相互影响的全局图。我们将我们的方法应用于两个交易员解析的外汇数据集,并记录了时间尺度对超前-滞后网络结构的强烈而复杂的不对称影响。可以预期的是,这种不对称延伸到交易员活动:对于我们数据集中的机构客户,过去在3小时以上的时间尺度上的活动与未来在较短时间尺度上的活动的相关性比相反的时间尺度上的活动更大(祖姆巴赫效应),而过去在3小时以下的时间尺度上发现了相反的祖姆巴赫效应;零售客户有着完全不同的、更为复杂的非对称时间尺度影响结构。因果关系结构显然是由两类交易者明显不同的行为造成的。因此,市场纳米结构,即个体交易者层面的市场动态,为金融市场的因果关系结构提供了前所未有的洞察力,这比以前认为的要复杂得多。
---
分类信息:

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
--
一级分类:Statistics        统计学
二级分类:Applications        应用程序
分类描述:Biology, Education, Epidemiology, Engineering, Environmental Sciences, Medical, Physical Sciences, Quality Control, Social Sciences
生物学,教育学,流行病学,工程学,环境科学,医学,物理科学,质量控制,社会科学
--

---
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 08:49:26
资产价格时间反转的市场纳米结构起源不对称Marcus Cordi,Damien Challet*1和Serge KassibrakisUniversit'e Paris Saclay,CentraleSup'elec,Math'ematiques et Informatique pour laComplexit'e et les Syst'eme s,91190,Gif sur Yvette,France。瑞士银行股份有限公司,chemin de la Cr'etaux 33,1196 Gland,SwitzerlandApril 82020摘要我们介绍了一种方法来推断在不同时间尺度下确定的复杂系统元素状态之间的铅-镧网络。由于此类网络编码了系统的因果结构,推断多对时间尺度的超前-滞后网络提供了时间尺度之间相互影响的全局图。我们将我们的方法应用于两个交易员解析的外汇数据集,并记录了时间尺度对leadlag网络结构的强烈而复杂的不对称影响。这种不对称延伸到交易者活动在时间尺度之间的传播。对于零售和机构交易员而言,我们发现较长时间尺度上的历史活动与较短时间尺度上的未来活动具有更大的相关性(祖姆巴赫效应),对于过去和未来足够大的时间尺度(零售交易约1小时,机构交易员约2小时);值得注意的是,对于较小的时间段,这种影响正好相反,而对于零售贸易而言,这种影响要弱得多。关键词:交易者活动、超前滞后网络、时间尺度、波动性结构。*通讯作者:damien。challet@centralesupelec.fr1引言投资者的集体行为在塑造价格动态的复杂性方面起着重要作用。市场动态分析和建模的一个主要挑战来自市场参与者的显著异质性,尤其是在其活动率和反馈速度方面。
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 08:49:29
大多数基于代理的金融市场模式忽略了时间尺度上的随机性,通常侧重于策略异质性(原教旨主义者、趋势追随者或噪声交易者)和他们学习使用它们的方式(参见Hommes(2006)的评论)。值得注意的例外包括Marsili和Piai(2002);Mosetti等人(2006年);Kroujiline等人(2016年)。交易员活动的典型时间范围从几秒钟到几个月不等(Dacorogna等人,1998年;Zumbach,2009年)。因此,一个根本性的挑战是描述跨时间尺度的市场活动的因果结构。换言之,是否存在交易活动传播的层级结构(或更复杂的结构)?由于交易者解析数据很难获得,过去的工作主要集中在pr ice动态和时间尺度之间的波动传播。直觉上,价格动态应该在某种程度上反映异质美国交易员的时间范围(见E.g.M¨uller et al.(1993))。早期的研究利用了湍流和价格变化之间的直观类比(Ghashghaie et al.,1996),并提出了价格动态的简单级联模型(Lux et al.,2001)。异质领导时间尺度也可以解释为什么多尺度GARCH模型通常比普通GARCH模型好得多(参见Lynch et al.(2003);Borland和Bouchaud(2005);Chicheportiche和Bouchaud(2014))。
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 08:49:32
特别是,M¨uller等人(1997)认为,由于粗定义波动率预测细定义波动率的效果明显优于其他方法,因此长期交易者的行为应该影响短期交易者的行为。上述讨论隐含地假设at价格是时间反转不对称的(TRA)。Zumbach和Lynch(2001)以及Zumbach(2009)指出,通过在未来和过去使用两种不同的时间分辨率,金融时间序列在时间箭头反转方面确实是非常不对称的。虽然经典的价格和波动性模型不是TRA,但包含价格回报的GARCH过程是在几个时间尺度上定义的(Zumbach和Lynch,2001;Zumbach,2009;Chicheportiche和Bouchaud,2014)。最终,波动率TRA至少部分来自交易员活动TR A,这推动了目前的工作。2方法我们在这里介绍的方法是通用的,可以应用于已知代理状态的其他类型的数据。关键的假设是,这些代理的状态可以通过一个离散变量来概括,该变量仅限于一小部分可能的值(通常比代理的数量小得多)。就交易者而言,在特定时间间隔内最简单的自然状态集是买入、卖出、中性和无活动。虽然这个cho ice丢弃了关于交易量的任何信息(这在交易者之间存在显著差异),但它的计算速度更快。
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 08:49:35
可以扩展这种方法,以便在仍然使用离散状态的情况下保留有关交易量的信息,方法是根据在每个校准窗口中确定的给定中间尺度上交易量的几个分位数对买卖交易进行分组,这将使可能的状态数保持在可接受的低水平。由于交易者的活动非常复杂,因此必须特别小心。在此,我们建议使用稳健的方法推断在两个不同时间尺度上确定的交易者状态的超前-滞后网络(或等效因果关系),然后测试这些时间尺度的平均相互影响之间的显著差异。我们不是一次与所有交易者合作,而是首先针对每个时间尺度将交易者分组,并关注这些组之间的因果关系。这将问题的复杂性降低了10-100倍,这是值得欢迎的,因为我们在72个现代CPU核上计算每个数据集和每个校准窗口长度需要几天时间。此外,如下文所述,根据交易者买卖模式的相似性对交易者进行分组会导致活动的一致性。交易者组由统计验证网络(SVN)确定;SVN s由Tumminello等人(2011)引入,并已应用于移动通信网络(Li等人,2014)、同源基因簇以及演员与电影之间的关系(Tumminello等人,2011)。然后,他们被用来聚集芬兰投资者(Tumminello等人,2012年),最近则被用来了解他们的长期生态(Musciotto等人,2018年)。其主要思想是,一群类似的交易者应该以类似的方式行事,例如,因为他们使用相同的策略或新闻来源。
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 08:49:38
第一步是根据领导者行动之间的显著空中同步,确定互动的两个方面。然后,使用社区检测方法(专为网络设计的一系列聚类方法)确定交易组。至关重要的是,由于一个组的所有成员的行为都非常相似,因此g组的聚合行为代表了其每个成员的行为:如果属于agroup的所有代理通常同时购买,则该组的状态自然会是“购买”:聚合是一致的。SVN依赖于给定时间尺度的时间粗化(例如Tumminello等人(2012)的一天或Challet等人(2018)的一小时)。虽然过去只使用了这两个时间尺度,但选择的时间尺度并不明显,更重要的是,交易员的活动率截然不同,而且零售交易员的相关时间尺度可能与机构交易员的时间尺度不同。我们通过系统研究SVN对粗化时间尺度的依赖性来填补这一空白。答案取决于广告的类型(零售或机构),很可能取决于经纪人的客户。Challet et al.(2018)引入了Le ad Lag SVN(LL SVN)来推断复杂系统中代理状态之间的因果关系网络,并将其应用于交易员解析数据。在经纪数据中,LL SVN的持续性足够大,可以预测订单流量和成交量加权平均价格(VWAP)变化的迹象,至少在接下来的一小时内,经纪客户的交易量加权平均价格(VWAP)会发生变化。这些超前-滞后网络存在并持续存在的一个可能原因是,投资者总是以不同的速度对共同信息做出反应(Boudoukh等人,1994年;Jegadeesh和Titman,1995年)。
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…
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