نقدشوندگی پنهان، حافظه و اثر مقعر بازار

خلاصه

این مدل اثر بازار را با جریان سفارش‌های ارسالی و فعالیت جبرانی معامله‌گران پنهان توضیح می‌دهد. این معامله‌گران زمانی وارد می‌شوند که قیمت از آستانه‌های فردی فراتر رود و جریان سفارش نقدشوندگی در دسترس آن‌ها را کاهش می‌دهد. معادله لانژون تعمیم‌یافته بازیابی را در چند مقیاس زمانی توصیف می‌کند؛ ازآنجاکه هسته‌های حافظه آن مجموع نمایی‌ها هستند، مدل را می‌توان دقیقاً به‌صورت سامانه‌ای مارکوفی بازنمایی کرد.

با فرض‌های مشخص درباره واکنش معامله‌گران، مجموعه نقدشوندگی کاهش‌نیافته برای سفارش‌های بسیار کوچک و بسیار بزرگ اثر خطی ایجاد می‌کند و تجمیع، در میان این دو، رژیمی با اثر ریشه دوم پدید می‌آورد. مدل در آن رژیم همچنین اثر را به نوسان پیوند می‌دهد و با فرض مقیاس‌پذیری آستانه، آن را مستقل از مدت اجرا می‌کند. آزمایش‌های عددی نشان می‌دهند کاهش نقدشوندگی، دامنه رژیم ریشه دوم را محدود می‌کند و طیف‌های حافظه نقدشوندگی با اثر سفارش منفرد مشابه ممکن است پس از معاملات پیشین گسترده، رفتاری متفاوت داشته باشند. واسنجی با داده‌های بازار به مقاله همراه موکول شده است؛ بنابراین، این توضیح شواهد نظری و عددی ارائه می‌دهد، نه واسنجی تجربی.

ایده‌های کلیدی

• معامله‌گران پنهان پس از عبور قیمت از آستانه‌های فعال‌سازی فردی، جریان سفارش جبرانی ایجاد می‌کنند.
• جریان سفارش نقدشوندگی پنهان را کاهش می‌دهد و بازیابی آن در چند مقیاس زمانی مدل‌سازی می‌شود.
• واکنش‌های معاملاتی تجمیع‌شده می‌توانند بدون فرض مستقیم آن قانون، رژیم میانی اثر ریشه دوم را ایجاد کنند.
• مدل با فرض‌های مشخص، مقیاس‌پذیری نوسان و استقلال از مدت اجرا را نتیجه می‌گیرد.
• کاهش نقدشوندگی رژیم ریشه دوم را محدود می‌کند و واسنجی با داده‌های بازار به پژوهش بعدی موکول شده است.

برچسب‌ها

# A Generalized Langevin Model of Latent Liquidity and Concave Price Impact


# A Generalized Langevin Model of Latent Liquidity and Concave Price Impact









We model market impact as the response to submitted order flow net of counterflow from latent traders, activated when price displacements from the level that would prevail without the order exceed individual thresholds. Order flow depletes this pool, and a generalized Langevin equation governs its recovery over several time scales. Its memory kernels are finite sums of exponentials, so its Markovian lift is exact rather than an approximation. For an undepleted pool, aggregation under explicit assumptions on individual trading responses yields an intermediate square-root regime between linear small- and large-order limits, without imposing a square-root impact law. Scaling thresholds and responses with price noise makes impact in this regime proportional to volatility, and thresholds that grow with the execution horizon make it independent of duration. With constant displayed depth, expected round-trip costs are nonnegative under the log-price convention, independently of the memory. Numerical experiments show that depletion narrows the square-root range and that memory spectra producing similar single-order impacts can respond differently after substantial prior trading. Calibration to market data is left to a companion paper.

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.