Estimación del impacto en el mercado bursátil a partir del flujo de órdenes

Resumen

Este estudio examina los factores que determinan la liquidez del mercado de renta variable y se centra en la relación entre el flujo de órdenes con signo y el impacto en los precios. Conecta los modelos teóricos de trading y liquidez al estilo de Kyle con patrones observados en datos públicos de operaciones y cotizaciones. El resultado empírico señalado es que, para flujos de órdenes con signo pequeños, el impacto en los precios aumenta aproximadamente de forma lineal con el desequilibrio del flujo de órdenes.

Los autores también aplican aprendizaje automático para pronosticar el impacto en el mercado a partir del flujo de órdenes con signo e informan de una precisión predictiva superior a la de los métodos estadísticos tradicionales. Estas estimaciones pueden ayudar a los operadores a anticipar los costes de transacción antes de ejecutar y a evaluar después la calidad de ejecución. El documento no ofrece detalles del conjunto de datos, especificaciones de los modelos, métricas de pronóstico ni evidencia de rendimiento más allá de la comparación indicada. Por tanto, conviene tratar sus hallazgos como una descripción de los resultados comunicados por el estudio, no como prueba de que un modelo concreto vaya a generalizarse a distintos valores o condiciones de mercado.

Ideas clave

• El impacto en los precios se presenta como una medida estadística de la liquidez del mercado.
• Para flujos de órdenes con signo pequeños, el estudio informa de una relación aproximadamente lineal entre el desequilibrio y el impacto en los precios.
• Los autores usan aprendizaje automático para pronosticar el impacto a partir del flujo de órdenes con signo.
• Las estimaciones de impacto pueden servir para calcular costes antes de operar y evaluar la ejecución después.
• El documento no proporciona detalles de los modelos ni resultados cuantitativos de los pronósticos.

Etiquetas

# Empirical Study of Market Impact Conditional on Order-Flow Imbalance


# Empirical Study of Market Impact Conditional on Order-Flow Imbalance









In this research, we have empirically investigated the key drivers affecting liquidity in equity markets. We illustrated how theoretical models, such as Kyle's model, of agents' interplay in the financial markets, are aligned with the phenomena observed in publicly available trades and quotes data. Specifically, we confirmed that for small signed order-flows, the price impact grows linearly with increase in the order-flow imbalance. We have, further, implemented a machine learning algorithm to forecast market impact given a signed order-flow. Our findings suggest that machine learning models can be used in estimation of financial variables; and predictive accuracy of such learning algorithms can surpass the performance of traditional statistical approaches. Understanding the determinants of price impact is crucial for several reasons. From a theoretical stance, modelling the impact provides a statistical measure of liquidity. Practitioners adopt impact models as a pre-trade tool to estimate expected transaction costs and optimize the execution of their strategies. This further serves as a post-trade valuation benchmark as suboptimal execution can significantly deteriorate a portfolio performance. More broadly, the price impact reflects the balance of liquidity across markets. This is of central importance to regulators as it provides an all-encompassing explanation of the correlation between market design and systemic risk, enabling regulators to design more stable and efficient markets.

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.