Flux d’ordres et autocorrélation des rendements à très haute fréquence

Résumé

Cette étude utilise des expériences numériques avec une version modifiée du modèle de marché piloté par les ordres de Mike–Farmer pour examiner comment le flux d’ordres façonne l’autocorrélation des rendements boursiers à très haute fréquence. Elle mesure la dépendance des rendements avec l’indice de Hurst et fait varier trois propriétés du flux d’ordres : la persistance de la direction des ordres, la persistance des prix relatifs des ordres et l’indice de queue de ces prix relatifs.

Le modèle prévoit que l’autocorrélation des rendements augmente avec la persistance de la direction des ordres et diminue avec les deux autres propriétés. Cependant, les auteurs constatent que la persistance de la direction des ordres a l’effet dominant, tandis que les paramètres de prix relatifs ont peu d’influence. Ils comparent ces prévisions aux données de flux d’ordres de 43 actions chinoises et rapportent des éléments empiriques à l’appui des relations prévues par le modèle concernant la persistance de la direction des ordres et des prix relatifs. Les résultats portent sur un modèle phénoménologique particulier et l’échantillon d’actions étudié ; l’extrait n’établit pas dans quelle mesure les prévisions se généralisent à d’autres marchés et n’explique pas les mécanismes à l’origine des faibles effets des prix relatifs.

Idées clés

• Le modèle modifié de Mike–Farmer relie les propriétés du flux d’ordres à l’autocorrélation des rendements à très haute fréquence.
• L’étude mesure la dépendance des rendements à l’aide de l’indice de Hurst.
• La persistance des directions d’ordres a une relation positive et dominante avec l’autocorrélation des rendements dans le modèle.
• La persistance des prix relatifs des ordres et leur indice de queue ont des effets négatifs, mais négligeables, dans le modèle.
• Les données de 43 actions chinoises étayent certaines relations prévues par le modèle.

Étiquettes

# Computational experiments successfully predict the emergence of autocorrelations in ultra-high-frequency stock returns


# Computational experiments successfully predict the emergence of autocorrelations in ultra-high-frequency stock returns









Social and economic systems are complex adaptive systems, in which heterogenous agents interact and evolve in a self-organized manner, and macroscopic laws emerge from microscopic properties. To understand the behaviors of complex systems, computational experiments based on physical and mathematical models provide a useful tools. Here, we perform computational experiments using a phenomenological order-driven model called the modified Mike-Farmer (MMF) to predict the impacts of order flows on the autocorrelations in ultra-high-frequency returns, quantified by Hurst index $H_r$. Three possible determinants embedded in the MMF model are investigated, including the Hurst index $H_s$ of order directions, the Hurst index $H_x$ and the power-law tail index $α_x$ of the relative prices of placed orders. The computational experiments predict that $H_r$ is negatively correlated with $α_x$ and $H_x$ and positively correlated with $H_s$. In addition, the values of $α_x$ and $H_x$ have negligible impacts on $H_r$, whereas $H_s$ exhibits a dominating impact on $H_r$. The predictions of the MMF model on the dependence of $H_r$ upon $H_s$ and $H_x$ are verified by the empirical results obtained from the order flow data of 43 Chinese stocks.

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.