Допустимые ядра кросс-импакта для мартингальных цен и торговли без манипуляций

Сводка

В работе анализируется кросс-импакт: как торговля одним активом может сдвинуть его цену и цены других активов. Рассматриваются модели на основе ядер и выбор параметров, подходящие для торговых приложений; основное внимание уделено двум свойствам. Ядра, допустимые для мартингальных цен, обеспечивают мартингальность цен с учётом ожидаемого будущего потока заявок; ядра, допустимые при отсутствии статистического арбитража, исключают возможные манипуляции ценами.

Авторы характеризуют взаимосвязь и пересечение этих двух классов, а также приводят формулы калибровки ядер кросс-импакта по данным. Результаты иллюстрируются данными по фьючерсам на S&P 500. Работа предлагает основу для выбора модели и эмпирической калибровки, однако краткое описание не приводит конкретных результатов калибровки и не объясняет, как подход работает в разных рыночных условиях. Вклад работы заключается прежде всего в характеристике ограничений моделей и процедур, а не в представлении торговой стратегии или измеренной доходности.

Ключевые идеи

• Модели кросс-импакта описывают, как сделки с одним активом влияют на цены разных активов.
• Ядра, допустимые для мартингальных цен, учитывают ожидаемый поток заявок, сохраняя мартингальность цен.
• Ядра, допустимые при отсутствии статистического арбитража, исключают возможности манипуляции ценами.
• В исследовании характеризуется пересечение двух классов допустимых ядер.
• Приведены формулы калибровки и пример с данными по фьючерсам на S&P 500.

Теги

# A characterisation of cross-impact kernels


# A characterisation of cross-impact kernels









Trading a financial asset pushes its price as well as the prices of other assets, a phenomenon known as cross-impact. We consider a general class of kernel-based cross-impact models and investigate suitable parameterisations for trading purposes. We focus on kernels that guarantee that prices are martingales and anticipate future order flow (martingale-admissible kernels) and those that ensure there is no possible price manipulation (no-statistical-arbitrage-admissible kernels). We determine the overlap between these two classes and provide formulas for calibration of cross-impact kernels on data. We illustrate our results using SP500 futures data.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.