全部版块 我的主页
论坛 经济学人 二区 外文文献专区
1956 60
2022-06-11
英文标题:
《Optimal market making under partial information with general intensities》
---
作者:
Diego Zabaljauregui and Luciano Campi
---
最新提交年份:
2020
---
英文摘要:
  Starting from the Avellaneda-Stoikov framework, we consider a market maker who wants to optimally set bid/ask quotes over a finite time horizon, to maximize her expected utility. The intensities of the orders she receives depend not only on the spreads she quotes, but also on unobservable factors modelled by a hidden Markov chain. We tackle this stochastic control problem under partial information with a model that unifies and generalizes many existing ones under full information, combining several risk metrics and constraints, and using general decreasing intensity functionals. We use stochastic filtering, control and piecewise-deterministic Markov processes theory, to reduce the dimensionality of the problem and characterize the reduced value function as the unique continuous viscosity solution of its dynamic programming equation. We then solve the analogous full information problem and compare the results numerically through a concrete example. We show that the optimal full information spreads are biased when the exact market regime is unknown, and the market maker needs to adjust for additional regime uncertainty in terms of P&L sensitivity and observed order flow volatility. This effect becomes higher, the longer the waiting time in between orders.
---
中文摘要:
从Avellaneda-Stoikov框架开始,我们考虑一个做市商,她希望在有限的时间范围内最优地设定买卖报价,以最大化其预期效用。她收到的订单的强度不仅取决于她引用的价差,还取决于由隐马尔可夫链建模的不可观察因素。我们用一个模型来解决部分信息下的随机控制问题,该模型在完全信息下统一和推广了许多现有的模型,结合了多个风险度量和约束,并使用一般的递减强度泛函。利用随机滤波、控制和分段确定马尔可夫过程理论,对问题进行降维,并将降维函数刻画为其动态规划方程的唯一连续粘性解。然后,我们解决了类似的全信息问题,并通过一个具体的例子对结果进行了数值比较。我们表明,当准确的市场制度未知时,最优的完全信息利差是有偏差的,做市商需要根据损益敏感性和观察到的订单流波动性调整额外的制度不确定性。这种影响越大,订单之间的等待时间越长。
---
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:Mathematics        数学
二级分类:Optimization and Control        优化与控制
分类描述:Operations research, linear programming, control theory, systems theory, optimal control, game theory
运筹学,线性规划,控制论,系统论,最优控制,博弈论
--
一级分类:Quantitative Finance        数量金融学
二级分类:Mathematical Finance        数学金融学
分类描述:Mathematical and analytical methods of finance, including stochastic, probabilistic and functional analysis, algebraic, geometric and other methods
金融的数学和分析方法,包括随机、概率和泛函分析、代数、几何和其他方法
--

---
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 14:20:40
基于广义Luciano Campi和Diego Zabaljauregui的部分信息下的最优做市*伦敦经济和政治科学学院统计系摘要从Avellaneda–Stoikov框架[AS08]开始,我们考虑一个做市商,她希望在有限的时间范围内以最佳方式设定买入/卖出报价,以最大化她的预期效用。她收到的订单的强度不仅取决于她引用的价差,还取决于由隐马尔可夫链建模的不可观察因素。我们使用一个模型来解决部分信息下的随机控制问题,该模型在完全信息下统一并推广了许多现有的模型,结合了若干风险度量和约束,并使用一般的递减强度函数。我们使用随机滤波、控制和分段确定性马尔可夫过程理论来降低问题的维数,并将约化值函数描述为其动态规划方程的唯一连续粘性解。然后,我们解决了类似的全信息问题,并通过一个具体的例子对结果进行了数值比较。我们表明,当准确的市场制度未知时,最优的完全信息利差是有偏差的,市场制造商需要根据损益敏感性和观察到的订单流量波动性调整额外的制度不确定性。这种影响越大,订单之间的等待时间越长。关键词:做市、高频交易、算法交易、随机最优控制、隐马尔可夫模型、随机过滤、粘性解、分段确定马尔可夫过程。引言对于金融市场,做市商(MM)可以理解为为为特定资产提供流动性的人。也就是说,她(几乎)连续发布资产的买卖报价,希望从买卖价差中获利。
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 14:20:43
在选择如何做到这一点时,MM面临着多个层面的复杂问题;即:即时保证金/交易量(她报价离“公平价格”越远,执行的越少,反之亦然)、不利的价格变动和库存风险(敞口)、执行成本以及许多其他因素。在学术界和实践中,越来越流行的数学方法是通过随机最优控制来解决MM问题。特别是,一系列研究集中于Avellaneda和Stoikov[AS08]提出的建模框架(植根于[HS81])。尽管在文献中,订单驱动市场(如股票市场)的动机广泛存在,但没有明确考虑限额指令簿的形状。因此,该框架更容易理解并应用于场外(OTC)报价驱动*通讯作者。电子邮件:d。zabaljauregui@lse.ac.ukThe作者要感谢阿尔瓦罗·卡塔(AlvaroCartea)和卡蒂娅·科拉内里(KatiaColaneri)对这一主题的有益讨论。外汇(FX)市场等市场,因此我们选择在此设置中呈现。在此框架中,MM通过选择与某个参考价格相关的买卖价差,在有限的时间间隔内给出固定的买卖报价。根据市场的不同,该价格可能是一个聚合的中间价或经销商对经销商的价格,通常假设其表现为算术布朗运动。为了明确建模边际/容积交易效应,MM执行的概率随着相应的扩散而衰减。更准确地说,假设MM根据随机强度的计数过程接收市场订单。最典型的是在数学文献中,强度在传播上呈指数衰减(主要是出于可处理性的原因)。
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 14:20:46
MM的目标是找到一种策略,使其能够最大化预期的终端效用,这被称为恒定绝对风险规避(CARA)效用。然后将问题转化为确定性问题:求解相关的Hamilton–Jacobi–Bellman(HJB)方程,该方程是MM值函数的部分积分微分方程(PIDE),并最终以反馈形式度量最优策略。在所描述的框架内,提出了许多变体并进行了扩展研究。在[BL14,GLFT12]中,Bayraktar和Ludkovski以及Gu’eant、Lehalle和FernandezTapia分别在风险中性和风险规避文本中对最优清算应用了一个交易方版本。在[GLFT13]中引入库存约束,允许作者通过验证定理严格解决[AS08]的指数强度原始问题。这一约束已被广泛使用,但[FL12,FL13]除外,在FL12,FL13中,策略是在没有验证定理的情况下推导出来的。Gu’eant和Lehalle继续为该地区做出积极贡献。在[GL15]中,他们重新讨论了一般强度满足某种有序微分不等式的风险规避最优清算问题,在[Gu\'e17]中,造市也是如此。该假设已在【BL14,第5.3节】风险中性项下首次引入。该领域的其他proli fic贡献者是Cartea、Jaimungal及其合著者【CJ15、CJP15、CJR14】,他们对库存引入了二次连续惩罚,以管理其他风险中性MM的“累积”库存风险。其中一些还考虑了MM吊具的限制。
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 14:20:50
值得注意的是,【Gu’e17】展示了在考虑两个适当的ansatz时,两个看似不同的模型子类(风险规避和“风险中性”和连续惩罚)如何最终由一个独特的普通微分方程系统(ODE)来表征。以下是之前模型中未包含的实践中的相关问题。经验证据(例如,参见[CJ13])表明,客户获得的流动性不仅取决于报价利差,还取决于其他不可观察的因素。事实上,市场对资产的情绪以及与其他做市商的竞争等因素的影响也会影响MM收到订单的强度。这种复杂的影响可以通过使强度也依赖于隐藏的不动产马尔可夫链以简化的方式建模,有效地反映市场的制度或状态(从非常缓慢到非常活跃的不同水平)。据我们所知,这只是在Vellaneda–Stoikov框架中通过提出指数强度最优策略的近似值(CJ13,第5.1节)或研究具有幂律强度的简单两国版本(BL14,第5.4节)来实现的。这两篇论文都只涉及“风险中性”(可能类型化)的案例,并做出了不切实际的假设,即MM了解当前的市场机制。当市场状态未知时,问题变得更具挑战性。在鞅的情况下,一些作者也将其称为微观价格[CJP15]或有效价格[DRR13]。后一篇文章还考虑了多资产的情况。【BL09,第3.3节】(arXiv版)和【CJ19】也研究了部分信息下的最优交易执行,尽管强度不受控制。ing有几个原因:o它成为随机控制和过滤的组合问题。
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 14:20:53
MM需要根据自己掌握的信息(即迄今为止收到的订单和参考价格的变化),动态地对市场机制(或更准确地说,其分布)做出尽可能最好的预测,并相应地调整价差。这种预测被称为过滤器关联的HJB PIDE具有更高的维度和更多的非线性所有先前引用的论文中使用的标准方法都依赖于通过ansatz将HJB PIDE简化为ODE系统,证明此类系统具有类(光滑)解,并通过验证定理恢复值函数。然而,在部分信息下,简化的HJB方程仍然是一个复杂的难题,一般来说,经典解可能不存在(或者很难用其他方法证明)。因此,安萨兹的论点被推翻了因此,需要借助粘度溶液的概念【FS06】。此外,与常微分方程的简单系统相比,数值分辨率始终变得更加复杂在技术层面上,模型的构建并不简单。MM需要根据其可观察到的信息(如到达的订单)调整策略,但信息流反过来又会受到MM行动的影响。本文解决了部分信息下的MM问题。首先,我们开始将迄今为止描述的所有建模特征统一到一个公式中。这使得我们可以用一种方法同时处理所有模型,同时对它们进行泛化。事实上,我们的公式允许任何CARA效用(无论是风险中性还是风险规避)与运行库存惩罚、终端执行成本、库存约束和价差约束的交互作用。
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