Fluxo de ordens e autocorrelação em retornos de ações de frequência ultra-alta

Resumo

Este estudo usa experimentos computacionais com uma versão modificada do modelo orientado por ordens de Mike–Farmer para examinar como o fluxo de ordens influencia a autocorrelação dos retornos de ações de frequência ultra-alta. Mede a dependência dos retornos pelo índice de Hurst e varia três propriedades do fluxo de ordens: persistência na direção das ordens, persistência dos preços relativos das ordens e o índice de cauda desses preços relativos.

O modelo prevê que a autocorrelação dos retornos aumenta com a persistência na direção das ordens e diminui com as outras duas propriedades. No entanto, os autores constatam que a persistência na direção das ordens tem o efeito dominante, enquanto os parâmetros de preços relativos têm pouca influência. Eles comparam essas previsões com dados de fluxo de ordens de 43 ações chinesas e relatam apoio empírico para as relações previstas pelo modelo envolvendo a persistência na direção das ordens e a persistência dos preços relativos das ordens. Os resultados se referem a um modelo fenomenológico específico e à amostra de ações estudada; o trecho não demonstra até que ponto as previsões se generalizam a outros mercados nem explica os mecanismos por trás dos efeitos fracos dos preços relativos.

Ideias principais

• O modelo modificado de Mike–Farmer relaciona propriedades do fluxo de ordens à autocorrelação de retornos de frequência ultra-alta.
• O estudo mede a dependência dos retornos usando o índice de Hurst.
• A persistência nas direções das ordens tem uma relação positiva e dominante, segundo o modelo, com a autocorrelação dos retornos.
• A persistência dos preços relativos das ordens e seu índice de cauda têm efeitos negativos, mas desprezíveis, segundo o modelo.
• Dados de 43 ações chinesas dão suporte a algumas das relações previstas pelo modelo.

Tags

# 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.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.