Оптимизация исполнения портфеля из нескольких активов методом Монте-Карло

Сводка

В документе исполнение крупных заявок рассматривается как компромисс между издержками ликвидности и ценовым риском. Быстрая торговля может усилить рыночное воздействие при ограниченной ликвидности, а медленная оставляет заявку под угрозой неблагоприятных изменений цены в течение периода исполнения. Описывается подход среднее–дисперсия к этой задаче и отмечается, что более ранняя одноактивная модель со стохастическими ликвидностью и волатильностью приводит к нелинейному уравнению в частных производных, которое необходимо решать численно.

Предлагаемая альтернатива использует методы квази-Монте-Карло для оптимизации исполнения заявок с любым числом активов. Авторы также указывают, что метод подходит для работы в реальном времени, а параметры стохастического процесса можно менять во время исполнения. В предоставленном обзоре изложены подход и заявленная гибкость, но нет численных результатов, подробностей проверки или реализации, поэтому по одному этому тексту нельзя оценить сравнительную эффективность и практические ограничения.

Ключевые идеи

• Исполнение крупных заявок связано с компромиссом между рыночным воздействием и подверженностью движениям цены.
• Описанная целевая функция уравновешивает издержки ликвидности и ценовой риск в модели среднее–дисперсия.
• Для решения прежней одноактивной стохастической модели требуется численно решать нелинейное уравнение в частных производных.
• Предложенный квазиметод Монте-Карло предназначен для исполнения заявок по нескольким активам и изменения параметров в реальном времени.

Теги

# A Monte Carlo method for optimal portfolio executions


# A Monte Carlo method for optimal portfolio executions









Traders are often faced with large block orders in markets with limited liquidity and varying volatility. Executing the entire order at once usually incurs a large trading cost because of this limited liquidity. In order to minimize this cost traders split up large orders over time. Varying volatility however implies that they now take on price risk, as the underlying assets' prices can move against the traders over the execution period. This execution problem therefore requires a careful balancing between trading slow to reduce liquidity cost and trading fast to reduce the volatility cost. R. Almgren solved this problem for a market with one asset and stochastic liquidity and volatility parameters, using a mean-variance framework. This leads to a nonlinear PDE that needs to be solved numerically. We propose a different approach using (quasi-)Monte Carlo which can handle any number of assets. Furthermore, our method can be run in real-time and allows the trader to change the parameters of the underlying stochastic processes on-the-fly.

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.