Analyse des flux d’ordres boursiers par chaîne de Markov pendant la guerre commerciale 2018

Résumé

Cette étude modélise des séquences d’ordres à haute fréquence portant sur des actions de six secteurs pendant la guerre commerciale entre les 2018 US et la Chine. Elle utilise une chaîne de Markov à temps discret, homogène dans le temps et de premier ordre, vérifie l’hypothèse de Markov au moyen d’un test du khi carré et estime les probabilités de transition par maximum de vraisemblance. Des cartes thermiques et des statistiques dérivées de la chaîne servent à comparer le comportement des ordres les jours de forte et de faible volatilité.

L’analyse indique que les jours de forte volatilité comptent davantage d’ordres d’ajout et de suppression, ce que les auteurs interprètent comme le signe que des traders actifs placent des ordres à cours limité, puis en suppriment un grand nombre. Les probabilités stationnaires élevées et les temps moyens de récurrence courts de ces types d’ordres étayent cette interprétation. Des écarts spectraux et des taux d’entropie similaires selon les conditions de volatilité suggèrent des stratégies de trading comparables, tandis que les exécutions complètes récurrentes dans la finance et la banque sont interprétées comme un signe de résilience. Le document ne fournit aucun détail sur l’échantillon, aucune estimation numérique ni aucune identification causale ; les affirmations sur les intentions des traders et la résilience sectorielle doivent donc être considérées comme des interprétations des données d’ordres observées.

Idées clés

• L’étude représente les séquences d’ordres sur actions au moyen d’une chaîne de Markov homogène dans le temps et de premier ordre.
• Un test du khi carré évalue l’hypothèse de Markov, et les probabilités de transition sont estimées par maximum de vraisemblance.
• Selon les statistiques de chaîne rapportées, les ordres d’ajout et de suppression sont plus fréquents les jours de forte volatilité.
• Des écarts spectraux et des taux d’entropie similaires suggèrent que la dynamique des ordres reste globalement comparable selon les conditions de volatilité.
• Les exécutions complètes récurrentes dans la finance et la banque sont interprétées comme un signe de résilience pendant la guerre commerciale.

Étiquettes

# High-Frequency Stock Market Order Transitions during the US-China Trade War 2018: A Discrete-Time Markov Chain Analysis


# High-Frequency Stock Market Order Transitions during the US-China Trade War 2018: A Discrete-Time Markov Chain Analysis









Statistical analysis of high-frequency stock market order transaction data is conducted to understand order transition dynamics. We employ a first-order time-homogeneous discrete-time Markov chain model to the sequence of orders of stocks belonging to six different sectors during the USA-China trade war of 2018. The Markov property of the order sequence is validated by the Chi-square test. We estimate the transition probability matrix of the sequence using maximum likelihood estimation. From the heat-map of these matrices, we found the presence of active participation by different types of traders during high volatility days. On such days, these traders place limit orders primarily with the intention of deleting the majority of them to influence the market. These findings are supported by high stationary distribution and low mean recurrence values of add and delete orders. Further, we found similar spectral gap and entropy rate values, which indicates that similar trading strategies are employed on both high and low volatility days during the trade war. Among all the sectors considered in this study, we observe that there is a recurring pattern of full execution orders in Finance & Banking sector. This shows that the banking stocks are resilient during the trade war. Hence, this study may be useful in understanding stock market order dynamics and devise trading strategies accordingly on high and low volatility days during extreme macroeconomic events.

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.