نقش ورود معاملات در توزیع بازده با بسامد بالا
خلاصه
این مقاله بازده سهام با بسامد بالا را با تفکیک تغییرات قیمت در هر معامله از فرایندی که زمان ورود معاملات را تعیین می‌کند، مدل‌سازی می‌کند. برای قرارداد آتی E-mini S&P 500 با سررسید ماه نزدیک و نقدشوندگی بالا، گزارش می‌دهد که پس از درنظرگرفتن اخبار زمان‌بندی‌شده، بازده در زمان معامله در بازه‌های بسیار کوتاه تقریباً گاوسی است. سپس بازده‌های گاوسی در زمان معامله را با مدل اصلاح‌شده مدت‌زمان چندفراکتالی با تغییر رژیم مارکوف برای فاصله میان معاملات ترکیب می‌کند.
مدل، دنباله‌های سنگین و خوشه‌بندی نوسان‌پذیری مشاهده‌شده در بازده‌های زمان‌محور را به مدت‌زمان‌های بیش‌ازحد پراکنده میان معاملات نسبت می‌دهد؛ حتی زمانی که بازده تک‌معامله‌ها گاوسی باشد. نویسندگان همچنین رابطه نرخ معاملات و نوسان‌پذیری را برای بررسی تنش بازار برون‌یابی می‌کنند. آن‌ها پیشنهاد می‌کنند فاصله جغرافیایی میان شیکاگو و نیویورک/نیوجرسی ممکن است سقفی برای نوسان‌پذیری نظام‌مند ایجاد کند و در معاملات بسیار سنگین به پایداری کمک کند. این یافته‌ها به قرارداد و فرض‌های مدلِ بررسی‌شده وابسته‌اند؛ محدودیت جغرافیایی پیشنهادی یک استنباط است، نه تضمینی کلی درباره رفتار بازار.
ایده‌های کلیدی
- تفکیک بازده در زمان معامله از ورود معاملات به توضیح الگوهای بازده با بسامد بالا کمک می‌کند.
- گزارش شده که بازده در زمان معامله برای قرارداد آتی بررسی‌شده، پس از کنترل اخبار زمان‌بندی‌شده و در مقیاس‌های بسیار کوتاه، تقریباً گاوسی است.
- مدل مدت‌زمان چندفراکتالی، توزیع فاصله میان معاملات را ثبت می‌کند.
- ورود بیش‌ازحد پراکنده معاملات می‌تواند در بازده‌های زمان‌محور دنباله‌های سنگین و خوشه‌بندی نوسان‌پذیری ایجاد کند.
- نویسندگان پیشنهاد می‌کنند فاصله فیزیکی میان مراکز اصلی معامله ممکن است نوسان‌پذیری نظام‌مند را محدود کند.
برچسب‌ها
متن کامل
# The Random Walk of High Frequency Trading # The Random Walk of High Frequency Trading This paper builds a model of high-frequency equity returns by separately modeling the dynamics of trade-time returns and trade arrivals. Our main contributions are threefold. First, we characterize the distributional behavior of high-frequency asset returns both in ordinary clock time and in trade time. We show that when controlling for pre-scheduled market news events, trade-time returns of the highly liquid near-month E-mini S&P 500 futures contract are well characterized by a Gaussian distribution at very fine time scales. Second, we develop a structured and parsimonious model of clock-time returns by subordinating a trade-time Gaussian distribution with a trade arrival process that is associated with a modified Markov-Switching Multifractal Duration (MSMD) model. This model provides an excellent characterization of high-frequency inter-trade durations. Over-dispersion in this distribution of inter-trade durations leads to leptokurtosis and volatility clustering in clock-time returns, even when trade-time returns are Gaussian. Finally, we use our model to extrapolate the empirical relationship between trade rate and volatility in an effort to understand conditions of market failure. Our model suggests that the 1,200 km physical separation of financial markets in Chicago and New York/New Jersey provides a natural ceiling on systemic volatility and may contribute to market stability during periods of extremely heavy trading.
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.