Kernels de impacto cruzado admisibles para precios martingala y trading sin manipulación

Resumen

Este trabajo analiza el impacto cruzado: cómo operar con un activo puede mover su propio precio y los precios de otros activos. Estudia modelos basados en kernels y elecciones de parámetros adecuadas para aplicaciones de trading, centrándose en dos propiedades. Los kernels admisibles para martingalas hacen que los precios sean martingalas teniendo en cuenta el flujo futuro de órdenes previsto; los kernels admisibles para la ausencia de arbitraje estadístico descartan posibles manipulaciones de precios.

Los autores caracterizan la relación y el solapamiento entre estas dos clases y ofrecen fórmulas para calibrar kernels de impacto cruzado a partir de datos. Ilustran los resultados con datos de futuros del S&P 500. Esto proporciona un marco para seleccionar y calibrar modelos empíricamente, aunque la breve descripción no informa de resultados concretos de calibración ni explica cómo funciona el marco en distintas condiciones de mercado. Su contribución consiste principalmente en caracterizar restricciones y procedimientos del modelo, no en presentar una estrategia de trading ni rentabilidades medidas.

Ideas clave

• Los modelos de impacto cruzado describen cómo las operaciones con un activo afectan a los precios de varios activos.
• Los kernels admisibles para martingalas tienen en cuenta el flujo de órdenes previsto y preservan los precios martingala.
• Los kernels admisibles para la ausencia de arbitraje estadístico excluyen oportunidades de manipulación de precios.
• El estudio caracteriza el solapamiento entre las dos clases de kernels admisibles.
• Ofrece fórmulas de calibración y las ilustra con datos de futuros del S&P 500.

Etiquetas

# 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.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.