コンテンツへスキップ
ライブラリの全資料

注文成績を診断するオンライン取引コスト分析

記事 arXiv papers · 著者: Robert Azencott et al.
原文を読む

サマリー

この論文は、アルゴリズム注文の成績をリアルタイムで監視し、約定不良に関連する市場状況を特定する枠組みを提示しています。確率制御から統計的学習まで、執行アルゴリズムの構築方法にかかわらず利用できるよう設計されています。実務担当者が市場環境の特性を選び、各注文について「異常検知器」と呼ばれる説明変数を追加で導出します。

オンライン分析では、拡張した要因群がどの程度、成績の悪い注文を予測するかを推定し、各要因の予測力を測定します。著者らは、こうした知見をアルゴリズムのパラメーター変更、注文の一時停止、またはより直接的な制御などの判断に活用することを提案しています。また、取引後の分析に適用し、その後の売買行動を調整する方法も説明しています。提示された文章は手法と想定用途を概説していますが、実証結果、具体的な検知器の定義、介入によって執行結果が改善する証拠は報告していません。

主なアイデア

  • 執行アルゴリズムの設計方法によらず、注文成績をリアルタイムで分析する枠組みです。
  • 実務担当者が市場環境の特性を選び、注文単位の異常検知器を導きます。
  • オンライン影響分析で、成績不良の注文を予測する要因とその予測力を推定します。
  • 分析結果は、パラメーター変更、注文の一時停止、執行への直接介入に役立てられます。
  • 提示された説明には、実証結果や具体的な検知器の仕様がありません。

タグ

注文執行市場マイクロストラクチャー統計
全文
# Realtime market microstructure analysis: online Transaction Cost Analysis


# Realtime market microstructure analysis: online Transaction Cost Analysis









Motivated by the practical challenge in monitoring the performance of a large number of algorithmic trading orders, this paper provides a methodology that leads to automatic discovery of the causes that lie behind a poor trading performance. It also gives theoretical foundations to a generic framework for real-time trading analysis. Academic literature provides different ways to formalize these algorithms and show how optimal they can be from a mean-variance, a stochastic control, an impulse control or a statistical learning viewpoint. This paper is agnostic about the way the algorithm has been built and provides a theoretical formalism to identify in real-time the market conditions that influenced its efficiency or inefficiency. For a given set of characteristics describing the market context, selected by a practitioner, we first show how a set of additional derived explanatory factors, called anomaly detectors, can be created for each market order. We then will present an online methodology to quantify how this extended set of factors, at any given time, predicts which of the orders are underperforming while calculating the predictive power of this explanatory factor set. Armed with this information, which we call influence analysis, we intend to empower the order monitoring user to take appropriate action on any affected orders by re-calibrating the trading algorithms working the order through new parameters, pausing their execution or taking over more direct trading control. Also we intend that use of this method in the post trade analysis of algorithms can be taken advantage of to automatically adjust their trading action.

出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0

この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。