Phân tích chi phí giao dịch trực tuyến để chẩn đoán hiệu suất lệnh

Tóm tắt

Bài nghiên cứu trình bày một khung thời gian thực để giám sát hiệu suất lệnh thuật toán và xác định các điều kiện thị trường liên quan đến khớp lệnh kém. Khung này được thiết kế để hoạt động độc lập với cách xây dựng thuật toán thực thi lệnh, từ điều khiển ngẫu nhiên đến các phương pháp học thống kê. Người thực hành chọn các đặc tính bối cảnh thị trường, rồi suy ra những biến giải thích bổ sung, gọi là bộ phát hiện bất thường, cho từng lệnh.

Phân tích trực tuyến ước lượng mức độ tập hợp yếu tố mở rộng dự báo chính xác những lệnh có hiệu suất kém và đo lường năng lực dự báo của các yếu tố. Các tác giả đề xuất dùng những phát hiện này để định hướng can thiệp, chẳng hạn thay đổi tham số thuật toán, tạm dừng lệnh hoặc trực tiếp kiểm soát nhiều hơn. Họ cũng mô tả việc áp dụng cách tiếp cận vào phân tích sau giao dịch để điều chỉnh hành động giao dịch trong tương lai. Văn bản được cung cấp phác thảo phương pháp luận và mục đích sử dụng nhưng không báo cáo kết quả thực nghiệm, định nghĩa cụ thể về bộ phát hiện hay bằng chứng cho thấy các biện pháp can thiệp cải thiện kết quả thực thi.

Ý chính

• Khung phân tích hiệu suất lệnh theo thời gian thực mà không phụ thuộc vào cách thiết kế thuật toán thực thi.
• Người thực hành chọn các đặc tính bối cảnh thị trường để suy ra bộ phát hiện bất thường ở cấp lệnh.
• Phân tích ảnh hưởng trực tuyến ước lượng yếu tố nào dự báo lệnh kém hiệu quả và năng lực dự báo của chúng.
• Phân tích có thể cung cấp thông tin cho việc thay đổi tham số, tạm dừng lệnh hoặc can thiệp trực tiếp vào quá trình thực thi.
• Phần mô tả được cung cấp không có kết quả thực nghiệm hay thông số cụ thể của bộ phát hiện.

Thẻ

# Realtime market microstructure analysis: online Transaction Cost Analysis


# Realtime market microstructure analysis: online Transaction Cost Analysis









Motivated by the practical challenge in monitoring the performance of a large number of algorithmic trading orders, this paper provides a methodology that leads to automatic discovery of the causes that lie behind a poor trading performance. It also gives theoretical foundations to a generic framework for real-time trading analysis. Academic literature provides different ways to formalize these algorithms and show how optimal they can be from a mean-variance, a stochastic control, an impulse control or a statistical learning viewpoint. This paper is agnostic about the way the algorithm has been built and provides a theoretical formalism to identify in real-time the market conditions that influenced its efficiency or inefficiency. For a given set of characteristics describing the market context, selected by a practitioner, we first show how a set of additional derived explanatory factors, called anomaly detectors, can be created for each market order. We then will present an online methodology to quantify how this extended set of factors, at any given time, predicts which of the orders are underperforming while calculating the predictive power of this explanatory factor set. Armed with this information, which we call influence analysis, we intend to empower the order monitoring user to take appropriate action on any affected orders by re-calibrating the trading algorithms working the order through new parameters, pausing their execution or taking over more direct trading control. Also we intend that use of this method in the post trade analysis of algorithms can be taken advantage of to automatically adjust their trading action.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.