ہائی فریکوئنسی قیمتوں اور سودوں کے لیے کثیر متغیری ہاکس ماڈلز

خلاصہ

یہ کام ہائی فریکوئنسی مارکیٹ قیمتوں اور تجارتی سرگرمی کے لیے کثیر متغیری ہاکس پوائنٹ پروسیس ماڈل پیش کرتا ہے۔ باہمی تعامل کے چار کرنلز سودوں کی آمد میں خود تقویتی، قیمت کی تبدیلیوں میں اوسط کی طرف واپسی، آنے والے سودوں کا قیمت کی حرکت پر اثر، اور قیمت کی تبدیلیوں سے تجارتی سرگرمی کو ملنے والا فیڈ بیک ظاہر کرتے ہیں۔ یہ اجزا قیمت کی غیر باقاعدہ زمانی ترتیب، قیمت میں متقطع اضافے، مختصر مدت کی اوسط واپسی اور مختلف زمانی پیمانوں پر بدلتے باہمی تعلقات جیسی خصوصیات کو سمیٹنے کے لیے بنائے گئے ہیں۔

یہ فریم ورک مارکیٹ پر اثر کا بھی ماڈل بناتا ہے، جس میں مقعر، مربع جذر سے مشابہ ردِعمل اور اس کے بعد کی تدریجی واپسی شامل ہیں۔ مصنفین بتاتے ہیں کہ تجرباتی مشروط اوسط شدتوں سے کرنلز کا تخمینہ لگا کر گمنام مارکیٹ ڈیٹا سے اثر کے مکمل پروفائل کا اندازہ کیا جا سکتا ہے۔ وہ عددی مثالیں، حقیقی ڈیٹا پر اطلاقات اور پہلے طریقوں سے موازنے پیش کرتے ہیں۔ دستاویز ماڈلنگ کی صلاحیتیں اور مظاہرے بیان کرتی ہے، مگر کارکردگی کے مخصوص نتائج یا یہ ثبوت نہیں دیتی کہ تخمینہ شدہ اثر کے پروفائل براہِ راست منافع بخش تجارتی حکمتِ عملیوں میں بدل جاتے ہیں۔

اہم خیالات

• ماڈل سودوں، قیمت کی حرکات اور تجارتی سرگرمی کے باہمی تعامل کی نمائندگی کے لیے چار کرنلز استعمال کرتا ہے۔
• اس کا مقصد ہائی فریکوئنسی قیمتوں کے نمونے، مثلاً متقطع حرکت اور مختصر مدتی اوسط واپسی، سمیٹنا ہے۔
• ہاکس فریم ورک مارکیٹ پر اثر اور وقت کے ساتھ اس کی واپسی کو ماڈل کرتا ہے۔
• مشروط اوسط شدتوں سے کرنلز کے تخمینے گمنام ڈیٹا سے اثر کے پروفائل اخذ کرنے کے لیے استعمال ہو سکتے ہیں۔
• بیان کردہ اطلاقات یہ ثابت نہیں کرتے کہ ماڈل منافع بخش حکمتِ عملی بناتا ہے۔

ٹیگز

# Hawkes model for price and trades high-frequency dynamics


# Hawkes model for price and trades high-frequency dynamics









We introduce a multivariate Hawkes process that accounts for the dynamics of market prices through the impact of market order arrivals at microstructural level. Our model is a point process mainly characterized by 4 kernels associated with respectively the trade arrival self-excitation, the price changes mean reversion the impact of trade arrivals on price variations and the feedback of price changes on trading activity. It allows one to account for both stylized facts of market prices microstructure (including random time arrival of price moves, discrete price grid, high frequency mean reversion, correlation functions behavior at various time scales) and the stylized facts of market impact (mainly the concave-square-root-like/relaxation characteristic shape of the market impact of a meta-order). Moreover, it allows one to estimate the entire market impact profile from anonymous market data. We show that these kernels can be estimated from the empirical conditional mean intensities. We provide numerical examples, application to real data and comparisons to former approaches.

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۔