Тензорная факторизация для выявления активности рынка

Сводка

В работе применяется неотрицательная тензорная факторизация (NTF) для выявления закономерностей торговой активности на нескольких временных масштабах в онлайн-финансовых рынках. Сначала метод демонстрируется на синтетических данных, затем применяется к межбанковским транзакциям на итальянском онлайн-рынке e-MID. Цель — выявить скрытые закономерности торговой активности и различить группы банков, чье поведение включает обычную, раннюю или флэш-торговлю.

Авторы также используют извлеченные закономерности, чтобы изучить изменения рыночной активности во время системных потрясений, включая финансовый кризис 2008. Они сообщают об обнаружении аномалий, связанных с эндогенными и экзогенными шоками, и описывают режимы торговли, характерные для кризиса. Это поисковый анализ конкретного межбанковского рынка и исторического набора данных; в отрывке нет показателей эффективности торговых стратегий и подтверждений того, что обнаруженные закономерности применимы к другим площадкам или периодам.

Ключевые идеи

• Неотрицательная тензорная факторизация применяется к торговым данным на нескольких временных масштабах.
• Метод демонстрируется на синтетических данных до применения к реальным транзакциям.
• Анализ e-MID выявляет различные модели активности у групп банков.
• С помощью этой модели описывается необычное торговое поведение во время кризиса 2008.
• Результаты описывают закономерности на одном рынке и не подтверждают прибыльность торговой стратегии.

Теги

# Extracting the multi-timescale activity patterns of online financial markets


# Extracting the multi-timescale activity patterns of online financial markets









Online financial markets can be represented as complex systems where trading dynamics can be captured and characterized at different resolutions and time scales. In this work, we develop a methodology based on non-negative tensor factorization (NTF) aimed at extracting and revealing the multi-timescale trading dynamics governing online financial systems. We demonstrate the advantage of our strategy first using synthetic data, and then on real-world data capturing all interbank transactions (over a million) occurred in an Italian online financial market (e-MID) between 2001 and 2015. Our results demonstrate how NTF can uncover hidden activity patterns that characterize groups of banks exhibiting different trading strategies (normal vs. early vs. flash trading, etc.). We further illustrate how our methodology can reveal "crisis modalities" in trading triggered by endogenous and exogenous system shocks: as an example, we reveal and characterize trading anomalies in the midst of the 2008 financial crisis.

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.