Восстановление потока заявок по синхронизированным сделкам и котировкам

Сводка

В исследовании рассматриваются потиковые данные о сделках и котировках акций на биржах Парижа, Лондона и Франкфурта за пятилетний период. Авторы разрабатывают алгоритм синхронизации двух источников данных и оценивают, как выбор способа восстановления влияет на поток заявок, выводимый из агрегированных данных. Также анализируются подписи сделок и уточняется процедура Lee-Ready, включая рекомендации по выбору временного лага.

Эффективность алгоритма меняется в зависимости от биржи и периода; авторы используют эти различия для выявления технических изменений на изучаемых рынках и оценки качества базы данных. Они показывают, что восстановленные потоки заявок влияют на количественные модели, которые затем калибруются на этих данных. Результаты согласуются с финансовыми рассуждениями и иллюстративной пуассоновской моделью потока заявок. Выводы относятся к перечисленным биржам и базе данных; документ не содержит достаточно подробностей, чтобы оценить обобщение на другие площадки или источники данных.

Ключевые идеи

• Для восстановления потока заявок по потиковым данным необходимо синхронизировать временные метки сделок и котировок.
• Эффективность предложенного алгоритма синхронизации может выявлять изменения в биржевых системах и качестве агрегированных данных.
• Выбор метода восстановления потока заявок влияет на модели, калибруемые на полученных данных.
• В исследовании уточняется классификация сделок Lee-Ready и рассматривается выбор временного лага.
• Результаты сопоставляются с финансовыми рассуждениями и иллюстративной пуассоновской моделью.

Теги

# Reconstruction of Order Flows using Aggregated Data


# Reconstruction of Order Flows using Aggregated Data









In this work we investigate tick-by-tick data provided by the TRTH database for several stocks on three different exchanges (Paris - Euronext, London and Frankfurt - Deutsche Börse) and on a 5-year span. We use a simple algorithm that helps the synchronization of the trades and quotes data sources, providing enhancements to the basic procedure that, depending on the time period and the exchange, are shown to be significant. We show that the analysis of the performance of this algorithm turns out to be a a forensic tool assessing the quality of the aggregated database: we are able to track through the data some significant technical changes that occurred on the studied exchanges. We also illustrate the fact that the choices made when reconstructing order flows have consequences on the quantitative models that are calibrated afterwards on such data. Our study also provides elements on the trade signature, and we are able to give a more refined look at the standard Lee-Ready procedure, giving new elements on the way optimal lags should be chosen when using this method. The findings are in line with both financial reasoning and the analysis of an illustrative Poisson model of the order flow.

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.