Demande de liquidité à queues épaisses, découverte des prix et risque du carnet d’ordres

Résumé

Cet article étudie l’effet du trading non informé à queues épaisses sur la découverte des prix dans un carnet d’ordres à cours limité séquentiel, où les traders peuvent disposer d’informations privées. Les fournisseurs de liquidité observent le flux agrégé d’ordres, mais ne peuvent pas distinguer directement les ordres informés des chocs de liquidité non informés. Lorsque la demande non informée a des queues épaisses, un gros échange peut rester vraisemblablement non informé à des profondeurs plus importantes que sous des hypothèses gaussiennes. Cela aplatit l’impact sur les prix et ralentit l’apprentissage, même si des échanges suffisamment extrêmes peuvent toujours signaler des informations privées.

Les auteurs caractérisent l’équilibre à l’aide d’une équation de point fixe non linéaire et établissent son existence sous contrôle des queues, ainsi que la cohérence a posteriori et des résultats asymptotiques sur les coûts et le flux d’ordres. Ils déduisent aussi la domination éventuelle de la demande informée et la monotonie du carnet dans les queues extrêmes. Une analyse empirique de données AAPL à dix niveaux rapporte des diagnostics de croisement plus éloigné et des écarts acheteur-vendeur persistants après de gros échanges à queues épaisses. Le modèle et les éléments présentés portent sur un contexte particulier d’information et de liquidité ; le résumé ne permet pas d’établir que les mêmes phénomènes existent pour d’autres actifs, plateformes ou mécanismes de carnet d’ordres.

Idées clés

• Un flux d’ordres non informé à queues épaisses peut rendre les gros échanges moins immédiatement révélateurs d’informations privées.
• L’impact sur les prix est alors plus plat et l’apprentissage des fournisseurs de liquidité est plus lent sur une plage de profondeurs plus large.
• Les échanges extrêmes peuvent néanmoins devenir informatifs lorsque la demande informée domine dans les queues.
• L’article établit des propriétés d’équilibre à l’aide d’une approche par point fixe contrôlée par les queues.
• Les données AAPL à dix niveaux montrent des diagnostics de croisement et des écarts persistants après de gros échanges à queues épaisses.

Étiquettes

# When large trades are not (automatically) news: liquidity tail risk and price discovery


# When large trades are not (automatically) news: liquidity tail risk and price discovery









We examine how heavy-tailed liquidity demand changes price discovery in a sequential limit order book with asymmetric information. In our setting, liquidity suppliers observe aggregate order flow, not its decomposition into informed demand and uninformed liquidity shocks. With heavy-tailed uninformed aggregated order flow, large trades remain plausibly uninformed over a wider range of depths, flattening price impact and slowing learning; sufficiently extreme trades can nevertheless become informative. We characterize equilibrium through a non-linear fixed point equation for the marginal-cost schedule; heavy-tailed uninformed aggregated order flow invalidates the monotonicity and compactness arguments available under Gaussianity. Therefore, we establish fixed-point existence within a tail-controlled class, prove posterior consistency for liquidity suppliers in the presence of endogenous dependent order flow, and derive tail asymptotics for marginal costs, informed demand, and aggregate order flow. Additionally, we obtain eventual informed-demand dominance and eventual monotonicity of the book in the far tails. Empirically, using 10-level AAPL data, we document farther-out crossover diagnostics and persistent bid-ask spreads following large heavy-tailed trades.

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.