پیش‌بینی عدم‌تعادل جریان سفارش با فرایند هاوکس در بسامد بالا
خلاصه
این مقاله عدم‌تعادل جریان سفارش (OFI) را بررسی می‌کند؛ شاخصی مبتنی بر نامتقارن‌بودن رویدادهای سمت خرید و فروش که با جهت کوتاه‌مدت قیمت ارتباط دارد. برای برآورد OFI از فرایندهای هاوکس استفاده می‌کند و وابستگی باوقفه میان جریان سفارش‌های خرید و فروش را مدل‌سازی می‌کند. نویسندگان همچنین روشی برای پیش‌بینی توزیع کوتاه‌مدت OFI و شیوه‌هایی برای مقایسه پیش‌بینی‌های چند مدل معرفی می‌کنند.
این رویکرد روی داده‌های تیک بورس ملی اعمال می‌شود. در آن مقایسه، فرایند هاوکس با هسته مجموع نمایی بهترین پیش‌بینی را میان مدل‌های آزموده‌شده ارائه می‌دهد. توضیحات، مدل‌های رقیب، افق پیش‌بینی، معیارهای ارزیابی یا نتایج معاملاتی را مشخص نمی‌کنند. پیش‌بینی توزیع‌های OFI ممکن است به ارزیابی مدل کمک کند، اما نتیجه اعلام‌شده به‌تنهایی سودآوری پس از هزینه‌های اجرا یا تعمیم‌پذیری به بازارهای دیگر را اثبات نمی‌کند.
ایده‌های کلیدی
- جریان رویدادهای خرید و فروش ممکن است نامتقارن و وابسته باشد و این عدم‌تعادل می‌تواند با حرکت قیمت ارتباط داشته باشد.
- فرایندهای هاوکس وابستگی باوقفه میان جریان‌های خرید و فروش را که برای برآورد OFI به‌کار می‌روند مدل‌سازی می‌کنند.
- مقاله توزیع کوتاه‌مدت OFI را پیش‌بینی و پیش‌بینی‌های چند مدل را مقایسه می‌کند.
- در داده‌های تیک بورس توصیف‌شده، هسته هاوکس با مجموع نمایی قوی‌ترین پیش‌بینی را میان مدل‌های آزموده‌شده ارائه می‌کند.
برچسب‌ها
متن کامل
# Forecasting High Frequency Order Flow Imbalance # Forecasting High Frequency Order Flow Imbalance Market information events are generated intermittently and disseminated at high speeds in real-time. Market participants consume this high-frequency data to build limit order books, representing the current bids and offers for a given asset. The arrival processes, or the order flow of bid and offer events, are asymmetric and possibly dependent on each other. The quantum and direction of this asymmetry are often associated with the direction of the traded price movement. The Order Flow Imbalance (OFI) is an indicator commonly used to estimate this asymmetry. This paper uses Hawkes processes to estimate the OFI while accounting for the lagged dependence in the order flow between bids and offers. Secondly, we develop a method to forecast the near-term distribution of the OFI, which can then be used to compare models for forecasting OFI. Thirdly, we propose a method to compare the forecasts of OFI for an arbitrarily large number of models. We apply the approach developed to tick data from the National Stock Exchange and observe that the Hawkes process modeled with a Sum of Exponential's kernel gives the best forecast among all competing models.
با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0
این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.