Persistente Lead-Lag-Netzwerke prognostizieren FX-Orderfluss und Durchschnittspreise

Zusammenfassung

Das Dokument stellt eine Methode vor, um aus den Handlungen einzelner Agenten Lead-Lag-Netzwerke abzuleiten, und wendet sie anschließend auf nach einzelnen Händlern aufgeschlüsselte Devisendaten an. Es führt die Persistenz der Netzwerke als Erklärung dafür an, warum die Aktivität eines Händlers den späteren Orderfluss anderer Händler vorhersagen kann. Die Analyse untersucht außerdem, ob vergangene Preise die Handlungen von Händlern beeinflussen und dadurch Änderungen des durchschnittlich gezahlten Preises prognostizierbar machen.

Random-Forest-Modelle dienen dazu, stündliche Prognosen für Privatanleger zu bewerten. Die berichteten Ergebnisse zeigen eine hohe Prognostizierbarkeit sowohl der Orderflussrichtung als auch der Richtung durchschnittlicher Transaktionspreise. Die Autoren vermuten, dass diese Muster für Broker und Order-Matching-Systeme relevant sein könnten, und deuten Interaktionen zwischen Händlern als einen Grund dafür, dass Marktaktivität endogen entstehen kann. Die Zusammenfassung enthält weder Angaben zur Stichprobe und den Modelleinstellungen noch numerische Leistungskennzahlen oder weitere Belege über die genannten Ergebnisse hinaus. Stärke und Allgemeingültigkeit der Befunde lassen sich daher hier nicht unabhängig beurteilen.

Kernaussagen

• Lead-Lag-Netzwerke können Beziehungen zwischen den Handlungen einzelner Händler abbilden.
• Den Berichten zufolge persistieren die abgeleiteten Netzwerke über die Zeit und stützen so Prognosen des Orderflusses.
• Vergangenheitsabhängiger Handel kann die Richtung der durchschnittlich gezahlten Preise von Händlern prognostizierbar machen.
• Random Forests zeigen laut Bericht stündliche Prognostizierbarkeit der Richtung von Orderfluss und durchschnittlichen Transaktionspreisen bei Privatanlegern.
• Die Autoren bringen Interaktionen zwischen Händlern mit dem endogenen Entstehen von Marktaktivität in Verbindung.

Schlagwörter

# Statistically validated lead-lag networks and inventory prediction in the foreign exchange market


# Statistically validated lead-lag networks and inventory prediction in the foreign exchange market









We introduce a method to infer lead-lag networks of agents' actions in complex systems. These networks open the way to both microscopic and macroscopic states prediction in such systems. We apply this method to trader-resolved data in the foreign exchange market. We show that these networks are remarkably persistent, which explains why and how order flow prediction is possible from trader-resolved data. In addition, if traders' actions depend on past prices, the evolution of the average price paid by traders may also be predictable. Using random forests, we verify that the predictability of both the sign of order flow and the direction of average transaction price is strong for retail investors at an hourly time scale, which is of great relevance to brokers and order matching engines. Finally, we argue that the existence of trader lead-lag networks explains in a self-referential way why a given trader becomes active, which is in line with the fact that most trading activity has an endogenous origin.

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.