Análisis de cadenas de Markov de órdenes bursátiles durante la guerra comercial de 2018

Resumen

Este estudio modela secuencias de órdenes de alta frecuencia de acciones de seis sectores durante la guerra comercial entre 2018 y US. Utiliza una cadena de Markov de primer orden, en tiempo discreto y homogénea en el tiempo, comprueba el supuesto de Markov mediante una prueba de chi-cuadrado y estima las probabilidades de transición por máxima verosimilitud. Se emplean mapas de calor y estadísticas derivadas de la cadena para comparar el comportamiento de las órdenes en días de volatilidad alta y baja.

El análisis informa de que en los días de alta volatilidad hay más órdenes añadidas y canceladas, lo que los autores interpretan como traders activos que colocan órdenes limitadas y luego cancelan muchas. Las elevadas probabilidades estacionarias y los cortos tiempos medios de recurrencia de estos tipos de órdenes respaldan esa interpretación. Las brechas espectrales y tasas de entropía similares entre condiciones de volatilidad sugieren estrategias de trading comparables, mientras que las ejecuciones completas recurrentes en los sectores de finanzas y banca se interpretan como una señal de resiliencia. El documento no ofrece detalles de la muestra, estimaciones numéricas ni identificación causal; por tanto, las afirmaciones sobre la intención de los traders y la resiliencia sectorial deben considerarse interpretaciones de los datos de órdenes observados.

Ideas clave

• El estudio representa secuencias de órdenes bursátiles mediante una cadena de Markov homogénea en el tiempo y de primer orden.
• Una prueba de chi-cuadrado evalúa el supuesto de Markov y las probabilidades de transición se estiman por máxima verosimilitud.
• Según las estadísticas de cadena comunicadas, las órdenes añadidas y canceladas cobran más protagonismo en los días de alta volatilidad.
• Las brechas espectrales y tasas de entropía similares sugieren que la dinámica de las órdenes es, en términos generales, parecida en distintas condiciones de volatilidad.
• Las ejecuciones completas recurrentes en finanzas y banca se interpretan como resiliencia durante la guerra comercial.

Etiquetas

# High-Frequency Stock Market Order Transitions during the US-China Trade War 2018: A Discrete-Time Markov Chain Analysis


# High-Frequency Stock Market Order Transitions during the US-China Trade War 2018: A Discrete-Time Markov Chain Analysis









Statistical analysis of high-frequency stock market order transaction data is conducted to understand order transition dynamics. We employ a first-order time-homogeneous discrete-time Markov chain model to the sequence of orders of stocks belonging to six different sectors during the USA-China trade war of 2018. The Markov property of the order sequence is validated by the Chi-square test. We estimate the transition probability matrix of the sequence using maximum likelihood estimation. From the heat-map of these matrices, we found the presence of active participation by different types of traders during high volatility days. On such days, these traders place limit orders primarily with the intention of deleting the majority of them to influence the market. These findings are supported by high stationary distribution and low mean recurrence values of add and delete orders. Further, we found similar spectral gap and entropy rate values, which indicates that similar trading strategies are employed on both high and low volatility days during the trade war. Among all the sectors considered in this study, we observe that there is a recurring pattern of full execution orders in Finance & Banking sector. This shows that the banking stocks are resilient during the trade war. Hence, this study may be useful in understanding stock market order dynamics and devise trading strategies accordingly on high and low volatility days during extreme macroeconomic events.

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.