Formation des prix dans les carnets d’ordres : théorie des jeux et coûts de liquidité

Résumé

L’article modélise la formation du prix d’un actif négocié au moyen d’un carnet d’ordres. Il développe deux approches liées, un jeu à nombre fini de joueurs et un jeu à champ moyen, avec des coûts de transaction qui reflètent la liquidité limitée. Dans les deux cadres, les auteurs dérivent des expressions analytiques reliant le prix formé au flux d’ordres réalisé. Cela permet d’étudier comment les interactions entre traders et les contraintes de liquidité façonnent les prix.

L’article étudie également les conditions dans lesquelles le modèle à nombre fini de joueurs converge vers son équivalent à champ moyen. Il présente une évaluation numérique fondée sur des données à haute fréquence de dix actions NASDAQ, d’une action brésilienne et d’une cryptomonnaie négociée sur Binance. La description fournie ne précise ni les formules, ni les hypothèses, ni les conditions de convergence, ni les résultats numériques. Les éléments présentés se limitent donc au périmètre empirique indiqué ; ce résumé ne permet pas d’évaluer l’adéquation pratique des modèles ni leur applicabilité au-delà de ces marchés.

Idées clés

• L’article étudie la formation des prix dans les carnets d’ordres à l’aide de modèles de jeu à nombre fini de joueurs et de jeu à champ moyen.
• La liquidité limitée est représentée comme une source de coûts de transaction.
• Des expressions analytiques relient les prix formés au flux d’ordres réalisé.
• Les auteurs déterminent les conditions dans lesquelles les prix du jeu fini convergent vers ceux du champ moyen.
• Une étude numérique utilise des observations à haute fréquence portant sur des actions et une cryptomonnaie.

Étiquettes

# Price formation in financial markets: a game-theoretic perspective


# Price formation in financial markets: a game-theoretic perspective









We propose two novel frameworks to study the price formation of an asset negotiated in an order book. Specifically, we develop a game-theoretic model in many-person games and mean-field games, considering costs stemming from limited liquidity. We derive analytical formulas for the formed price in terms of the realized order flow. We also identify appropriate conditions that ensure the convergence of the price we find in the finite population game to that of its mean-field counterpart. We numerically assess our results with a large experiment using high-frequency data from ten stocks listed in the NASDAQ, a stock listed in B3 in Brazil, and a cryptocurrency listed in Binance.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.