Orderflow und Autokorrelation bei ultrahochfrequenten Aktienrenditen

Zusammenfassung

Diese Studie nutzt computergestützte Experimente mit einem modifizierten Ordermodell nach Mike–Farmer, um zu untersuchen, wie der Orderflow die Autokorrelation ultrahochfrequenter Aktienrenditen beeinflusst. Sie misst die Renditeabhängigkeit anhand des Hurst-Index und variiert drei Eigenschaften des Orderflows: Persistenz der Orderrichtung, Persistenz relativer Orderpreise und den Tail-Index relativer Orderpreise.

Das Modell sagt voraus, dass die Autokorrelation von Renditen mit zunehmender Persistenz der Orderrichtung steigt und mit den beiden anderen Eigenschaften sinkt. Die Autoren stellen jedoch fest, dass die Persistenz der Orderrichtung den dominanten Effekt hat, während die Parameter relativer Preise nur wenig Einfluss nehmen. Sie vergleichen diese Vorhersagen mit Orderflow-Daten von 43 chinesischen Aktien und berichten empirische Unterstützung für die vom Modell vorhergesagten Zusammenhänge mit der Persistenz von Orderrichtung und relativen Preisen. Die Ergebnisse beziehen sich auf ein bestimmtes phänomenologisches Modell und die untersuchte Aktien-Stichprobe; der Auszug zeigt weder, wie gut sich die Vorhersagen auf andere Märkte übertragen lassen, noch erklärt er die Mechanismen hinter den schwachen Effekten relativer Preise.

Kernaussagen

• Das modifizierte Mike–Farmer-Modell verknüpft Orderflow-Eigenschaften mit der Autokorrelation ultrahochfrequenter Renditen.
• Die Studie misst die Renditeabhängigkeit anhand des Hurst-Index.
• Persistente Orderrichtungen stehen im Modell in einem positiven und dominanten Zusammenhang mit der Autokorrelation der Renditen.
• Persistenz relativer Orderpreise und ihr Tail-Index haben im Modell negative, aber vernachlässigbare Effekte.
• Daten von 43 chinesischen Aktien stützen einige der vom Modell vorhergesagten Zusammenhänge.

Schlagwörter

# Computational experiments successfully predict the emergence of autocorrelations in ultra-high-frequency stock returns


# Computational experiments successfully predict the emergence of autocorrelations in ultra-high-frequency stock returns









Social and economic systems are complex adaptive systems, in which heterogenous agents interact and evolve in a self-organized manner, and macroscopic laws emerge from microscopic properties. To understand the behaviors of complex systems, computational experiments based on physical and mathematical models provide a useful tools. Here, we perform computational experiments using a phenomenological order-driven model called the modified Mike-Farmer (MMF) to predict the impacts of order flows on the autocorrelations in ultra-high-frequency returns, quantified by Hurst index $H_r$. Three possible determinants embedded in the MMF model are investigated, including the Hurst index $H_s$ of order directions, the Hurst index $H_x$ and the power-law tail index $α_x$ of the relative prices of placed orders. The computational experiments predict that $H_r$ is negatively correlated with $α_x$ and $H_x$ and positively correlated with $H_s$. In addition, the values of $α_x$ and $H_x$ have negligible impacts on $H_r$, whereas $H_s$ exhibits a dominating impact on $H_r$. The predictions of the MMF model on the dependence of $H_r$ upon $H_s$ and $H_x$ are verified by the empirical results obtained from the order flow data of 43 Chinese stocks.

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.