跳至正文
返回文库全部文档

用非负张量分解发现市场活动模式

文章 arXiv papers · 作者: Teruyoshi Kobayashi et al.
阅读原文

总结

本研究使用非负张量分解（NTF）识别在线金融市场中不同时间尺度的交易活动模式。该方法先用合成数据演示，再应用于意大利 e-MID 在线市场的银行间交易。研究旨在揭示交易活动中的潜在模式，并区分交易行为包含正常交易、提前交易或闪电交易的银行群体。

作者还利用提取出的模式考察系统性扰动期间的市场活动变化，包括 2008 金融危机。据报告，研究发现了与内生和外生冲击相关的异常模式，并描述了与危机相关的交易模式。这是对特定银行间市场和历史数据集的探索性分析；摘录没有提供交易策略的绩效指标，也未证明发现的模式可推广到其他交易场所或时期。

核心观点

  • 将非负张量分解应用于多个时间尺度的交易数据。
  • 先用合成数据演示该方法，再将其应用于真实交易。
  • 对 e-MID 的分析识别出不同银行群体的活动模式。
  • 该框架用于刻画 2008 危机期间的异常交易行为。
  • 结果描述了单一市场中的模式，并未证明交易策略能够盈利。

标签

固定收益市场微观结构统计学机器学习
全文
# 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.

在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。