مارٹنگیل قیمتوں اور ہیرا پھیری سے پاک ٹریڈنگ کے لیے قابلِ قبول کراس امپیکٹ کرنلز

خلاصہ

یہ کام کراس امپیکٹ کا تجزیہ کرتا ہے: ایک اثاثے کی ٹریڈنگ اس کی اپنی قیمت اور دوسرے اثاثوں کی قیمتوں کو کیسے حرکت دے سکتی ہے۔ یہ ٹریڈنگ ایپلی کیشنز کے لیے موزوں کرنل پر مبنی ماڈلز اور پیرامیٹر کے انتخاب کا مطالعہ کرتے ہوئے دو خصوصیات پر توجہ دیتا ہے۔ مارٹنگیل کے لیے قابلِ قبول کرنلز متوقع مستقبل کے آرڈر فلو کو ملحوظ رکھتے ہوئے قیمتوں کو مارٹنگیل بناتے ہیں؛ شماریاتی آربیٹریج کی عدم موجودگی کی شرط پر قابلِ قبول کرنلز قیمت میں ممکنہ ہیرا پھیری کو خارج کرتے ہیں۔

مصنفین ان دو اقسام کے تعلق اور باہمی اشتراک کو متعین کرتے ہیں اور ڈیٹا سے کراس امپیکٹ کرنلز کی کیلیبریشن کے فارمولے دیتے ہیں۔ وہ نتائج کی مثال ایس اینڈ پی 500 فیوچرز ڈیٹا سے پیش کرتے ہیں۔ یہ ماڈل کے انتخاب اور تجرباتی کیلیبریشن کا ڈھانچا فراہم کرتا ہے، اگرچہ مختصر تفصیل مخصوص کیلیبریشن نتائج نہیں دیتی اور نہ ہی مختلف منڈی حالات میں ڈھانچے کی کارکردگی بتاتی ہے۔ اس کا بنیادی حصہ ماڈل کی پابندیوں اور طریقۂ کار کی وضاحت ہے، ٹریڈنگ اسٹریٹیجی یا ناپے گئے منافع کی پیشکش نہیں۔

اہم خیالات

• کراس امپیکٹ ماڈل بتاتے ہیں کہ ایک اثاثے کی ٹریڈز مختلف اثاثوں کی قیمتوں کو کیسے متاثر کرتی ہیں۔
• مارٹنگیل کے لیے قابلِ قبول کرنلز متوقع آرڈر فلو کو ملحوظ رکھ کر قیمتوں کی مارٹنگیل خصوصیت برقرار رکھتے ہیں۔
• شماریاتی آربیٹریج کی عدم موجودگی کی شرط پر قابلِ قبول کرنلز قیمت میں ہیرا پھیری کے مواقع خارج کرتے ہیں۔
• مطالعہ قابلِ قبول کرنلز کی دونوں اقسام کے باہمی اشتراک کو متعین کرتا ہے۔
• یہ کیلیبریشن کے فارمولے دیتا ہے اور انہیں ایس اینڈ پی 500 فیوچرز ڈیٹا سے واضح کرتا ہے۔

ٹیگز

# 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.

ماخذ کا حوالہ دیتے ہوئے مکمل متن دکھایا گیا ہے، ماخذ کے لائسنس کے تحت۔ لائسنس: abstract CC0

یہ خلاصہ اصل ماخذ سے Stratmill کے تحقیقی ایجنٹ نے لکھا ہے؛ یہ ماخذ کی نقل نہیں۔