مدلسازی اثر جریان سفارش بر قیمت با توزیعهای انتقال آمیخته
خلاصه
این مقاله مدلسازی میکند که دنباله رویدادهای جریان سفارش چگونه بر قیمت داراییها اثر میگذارند. مدلهای پیشین اثر قیمت را که جریان سفارش را برونزا میگرفتند و عمدتاً با همبستگیهای دوتایی خلاصه میکردند، گسترش میدهد. در عوض، جریان سفارش را مستقیماً بهصورت فرایندی گسسته نمایش میدهد، رویدادهای تغییردهنده قیمت را از رویدادهای بدون تغییر قیمت جدا میکند و آن دستهها را با علامت سفارش ترکیب میکند تا متغیری چهارحالته بسازد.
مدل توزیع انتقال آمیخته، تقریب کمپارامتری از زنجیره مارکوف مرتبهبالا فراهم میکند. نویسندگان گزارش میدهند که این مدل همبستگیهای شرطی میان رویدادهای علامتدار را ثبت میکند و نمودارهای امضا را برای سهام با گام قیمت کوچک و بزرگ بازتولید میکند. همچنین روشی انعطافپذیر برای کالیبراسیون مدلهای دارای پارامترهای متعدد شرح میدهند. تحلیل خارج از نمونه بهعنوان شاهدی علیه بیشبرازش ارائه میشود، هرچند سند مجموعهدادههای دقیق، معیارهای ارزیابی یا نتایج عملکرد معاملاتی را بیان نمیکند.
ایدههای کلیدی
- مدل جریان سفارش را دنبالهای از رویدادهای گسسته میداند، نه فرایندی برونزا که فقط با همبستگیهای دوتایی توصیف شود.
- تغییر یا عدم تغییر قیمت و علامت سفارش، نمایش چهارحالتهای از جریان سفارش میسازند.
- توزیعهای انتقال آمیخته پویاییهای مارکوف مرتبهبالا را با ساختاری کمپارامتر تقریب میزنند.
- گزارش میشود مدل همبستگی رویدادهای علامتدار و نمودارهای امضا را در تنظیمات مختلف اندازه گام قیمت ثبت میکند.
- برای سنجش بیشبرازش مدل پرپارامتر از تحلیل خارج از نمونه استفاده میشود.
برچسبها
متن کامل
# Linear models for the impact of order flow on prices II. The Mixture Transition Distribution model # Linear models for the impact of order flow on prices II. The Mixture Transition Distribution model Modeling the impact of the order flow on asset prices is of primary importance to understand the behavior of financial markets. Part I of this paper reported the remarkable improvements in the description of the price dynamics which can be obtained when one incorporates the impact of past returns on the future order flow. However, impact models presented in Part I consider the order flow as an exogenous process, only characterized by its two-point correlations. This assumption seriously limits the forecasting ability of the model. Here we attempt to model directly the stream of discrete events with a so-called Mixture Transition Distribution (MTD) framework, introduced originally by Raftery (1985). We distinguish between price-changing and non price-changing events and combine them with the order sign in order to reduce the order flow dynamics to the dynamics of a four-state discrete random variable. The MTD represents a parsimonious approximation of a full high-order Markov chain. The new approach captures with adequate realism the conditional correlation functions between signed events for both small and large tick stocks and signature plots. From a methodological viewpoint, we discuss a novel and flexible way to calibrate a large class of MTD models with a very large number of parameters. In spite of this large number of parameters, an out-of-sample analysis confirms that the model does not overfit the data.
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.