Zulässige Cross-Impact-Kerne für Martingalpreise ohne Marktmanipulation

Zusammenfassung

Diese Arbeit analysiert Cross-Impact: wie der Handel mit einem Vermögenswert dessen eigenen Preis und die Preise anderer Vermögenswerte bewegen kann. Sie untersucht kernelbasierte Modelle und für den Handel geeignete Parameter mit Blick auf zwei Eigenschaften. Für Martingale zulässige Kerne machen Preise zu Martingalen und berücksichtigen erwartete künftige Auftragsströme; mit dem Ausschluss statistischer Arbitrage vereinbare Kerne schließen mögliche Preismanipulation aus.

Die Autoren charakterisieren den Zusammenhang und die Überschneidung dieser beiden Klassen und geben Formeln zur Kalibrierung von Cross-Impact-Kernen anhand von Daten an. Sie veranschaulichen die Ergebnisse mit S&P-500-Futures-Daten. Daraus ergibt sich ein Rahmen für die Modellauswahl und empirische Kalibrierung. Die kurze Beschreibung nennt jedoch keine konkreten Kalibrierungsergebnisse und erläutert nicht, wie der Rahmen unter verschiedenen Marktbedingungen funktioniert. Der Beitrag charakterisiert vor allem Modellbedingungen und Verfahren; er präsentiert weder eine Handelsstrategie noch gemessene Renditen.

Kernaussagen

• Cross-Impact-Modelle beschreiben, wie Geschäfte mit einem Vermögenswert die Preise anderer Vermögenswerte beeinflussen.
• Für Martingale zulässige Kerne berücksichtigen erwartete Auftragsströme und erhalten Martingalpreise.
• Kerne, die statistische Arbitrage ausschließen, verhindern Möglichkeiten zur Preismanipulation.
• Die Studie charakterisiert die Überschneidung der beiden zulässigen Kernklassen.
• Sie liefert Kalibrierungsformeln und veranschaulicht diese anhand von S&P-500-Futures-Daten.

Schlagwörter

# A characterisation of cross-impact kernels


# A characterisation of cross-impact kernels









Trading a financial asset pushes its price as well as the prices of other assets, a phenomenon known as cross-impact. We consider a general class of kernel-based cross-impact models and investigate suitable parameterisations for trading purposes. We focus on kernels that guarantee that prices are martingales and anticipate future order flow (martingale-admissible kernels) and those that ensure there is no possible price manipulation (no-statistical-arbitrage-admissible kernels). We determine the overlap between these two classes and provide formulas for calibration of cross-impact kernels on data. We illustrate our results using SP500 futures data.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.