Поток заявок и автокорреляция сверхвысокочастотной доходности акций

Сводка

Вычислительные эксперименты с модифицированной моделью рынка заявок Майка—Фармера используются для изучения того, как поток заявок влияет на автокорреляцию сверхвысокочастотной доходности акций. Зависимость доходности измеряется индексом Хёрста; варьируются три свойства потока заявок: устойчивость направления заявок, устойчивость относительных цен заявок и показатель хвоста относительных цен заявок.

Модель предсказывает, что автокорреляция доходности растёт с устойчивостью направления заявок и снижается при увеличении двух других характеристик. Однако авторы обнаруживают, что устойчивость направления заявок оказывает доминирующее влияние, тогда как параметры относительной цены влияют мало. Сопоставление с данными потока заявок по 43 китайским акциям, согласно авторам, эмпирически подтверждает предсказанные моделью связи с устойчивостью направления и относительной цены заявок. Результаты относятся к конкретной феноменологической модели и исследованной выборке акций; отрывок не показывает, насколько предсказания применимы к другим рынкам, и не объясняет механизмы слабого влияния относительной цены.

Ключевые идеи

• Модифицированная модель Майка—Фармера связывает характеристики потока заявок с автокорреляцией сверхвысокочастотной доходности.
• Зависимость доходности измеряется индексом Хёрста.
• В модели устойчивое направление заявок положительно и сильнее всего связано с автокорреляцией доходности.
• Устойчивость относительных цен заявок и показатель их хвоста имеют отрицательное, но незначительное влияние в модели.
• Данные по 43 китайским акциям подтверждают некоторые предсказанные моделью взаимосвязи.

Теги

# 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.

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.