Flujo de órdenes y autocorrelación en rendimientos bursátiles de ultraalta frecuencia

Resumen

Este estudio utiliza experimentos computacionales con una versión modificada del modelo de flujo de órdenes de Mike–Farmer para examinar cómo influye el flujo de órdenes en la autocorrelación de los rendimientos bursátiles de ultraalta frecuencia. Mide la dependencia de los rendimientos con el índice de Hurst y varía tres propiedades del flujo de órdenes: la persistencia de la dirección de las órdenes, la persistencia de sus precios relativos y el índice de cola de esos precios relativos.

El modelo predice que la autocorrelación de los rendimientos aumenta con la persistencia de la dirección de las órdenes y disminuye con las otras dos propiedades. Sin embargo, los autores encuentran que la persistencia de la dirección de las órdenes tiene el efecto dominante, mientras que los parámetros de precios relativos influyen poco. Comparan estas predicciones con datos de flujo de órdenes de 43 acciones chinas e informan de apoyo empírico a las relaciones previstas por el modelo para la persistencia de la dirección de las órdenes y de los precios relativos. Los resultados corresponden a un modelo fenomenológico concreto y a la muestra bursátil estudiada; el fragmento no establece hasta qué punto las predicciones se generalizan a otros mercados ni explica los mecanismos tras los débiles efectos de los precios relativos.

Ideas clave

• El modelo modificado de Mike–Farmer relaciona propiedades del flujo de órdenes con la autocorrelación de rendimientos de ultraalta frecuencia.
• El estudio mide la dependencia de los rendimientos mediante el índice de Hurst.
• El modelo establece una relación positiva y dominante entre la persistencia de la dirección de las órdenes y la autocorrelación de los rendimientos.
• La persistencia de los precios relativos de las órdenes y su índice de cola tienen efectos negativos, pero insignificantes, en el modelo.
• Los datos de 43 acciones chinas respaldan algunas de las relaciones previstas por el modelo.

Etiquetas

# 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.

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.