과거 거래 데이터 분석 : HKEX에 시뮬레이션 기반 추론 적용
링크 표
초록 및 1. 소개
2. 관련 작업
3. 방법
3.1 모델
3.2 기능 요약
3.3 시장 모델 매개 변수의 교정
4. 실험
4.1 제로 정보 상인
4.2 확장 된 Chiarella
4.3 과거 데이터
5. 토론 및 미래의 작업
6. 의의, 인정 및 참고 문헌
4.3 과거 데이터
신경 밀도 추정기와 네트워크를 포함하여 합성 데이터를 교정 할 수 있음을 입증 한 결과, 다음으로 교정 절차를 사용하여 하루의 거래에 특정한 모델 매개 변수를 식별합니다. 우리는 표준 거래일을 반영하는 홍콩 거래소 (HKEX)의 데이터를 사용합니다. 우리는 먼저 역사적 데이터에 대한 양식화 된 사실을 평가하여 어떤 지원을 받고 위반되는지 확인합니다. 도 2에 도시 된 바와 같이, 우리는 (a) 로그 반환이 중간 시간 (분)에서 전형적인 정규 분포를 따르지만 시간 규모 (초)를 단축함에 따라 정규성에서 벗어나 첨도가 증가한다는 것을 알 수있다. 또한, 두 시간 모두에서 왜곡을 계산할 때, 우리는 약간의 비대칭을 관찰합니다 (0.44).
\ 그림 2 (c)에 도시 된, 우리는 반환 시리즈, (d), 부피와 변동성 사이의 양의 상관 관계 및 (e)에서 높은 지연에서 상당한 변동성 클러스터링을 볼 수있다. 우리는 또한 과거 데이터의 간헐적, 큰 허스트 지수 (0.8) 및 절대 수익의 자기 상관이 히스토리 데이터에 장거리 메모리 또는 종속성이 없다는 것을 반영하는 0으로 빠르게 수렴한다는 것을 관찰하고, 주문서 볼륨은 각각 𝛾 = 0.014, 0.018에서 입찰 및 Ask Orders에 대략적인 발전 배포를 가지고 있음을 반영합니다. 그러나, 우리는 또한이 데이터에서 일부 양식화 된 사실은 수익과 변동성 사이의 음의 상관 관계, 가격 영향 기능의 상당한 오목과 같이 본질적으로 0.07에서 평평합니다.
\ 그림 4에서, 우리는 LOB의 주먹 수준에서 VWAP를 사용하여 과거 데이터에 대한 추정 된 사후 분포를 보여줍니다. 우리는 기본 거래자와 소음 거래자의 매개 변수가 제한되는 반면, 모멘텀 트레이더의 매개 변수는 높은 불확실성을 가지고 있습니다. 흥미롭게도, 우리는 고주파 거래자의 붕괴율이 불확실성을 감소 시켰으며, 이는이 거래일에 고주파 행동이 중요 할 수 있음을 나타냅니다. 미래의 작업은 이것을 조사 할 것입니다. 그림 2에서 볼 수 있듯이 (a) 로그 반환의 무거운 꼬리 및 정규성, (c) 반환 시리즈의 자동 상관이없고, 부피와 휘발성 사이의 강한 상관 관계, 간헐적 인 메모리 (Hurst 지수가 0.76)의 규모가없는 경우, 절대적 복귀의 의존성 (절대 복귀 및 절대 복귀, 및 gamma)의 강한 상관 관계를 포함하여 몇 가지 양식화 된 사실을 다시 재현 할 수 있습니다. 입찰과 주문 모두에 대해 𝛾 = 0.28). 흥미롭게도, 우리는 시뮬레이터가 반품과 변동성 사이의 부정적인 상관 관계 및 수익률의 더 강한 비대칭과 같은 과거 데이터에 존재하지 않는 양식화 된 사실을 재현 할 수 있음을 관찰합니다 (-0.95). 우리는 다시 가격 영향 기능이 대략 평평하다는 것을 다시 관찰합니다 (0.01). 시뮬레이터에서 덜 강하게 관찰되는 유일한 양식화 된 사실은 그림 2 (f)에 표시된 변동성 클러스터링이며, 이는 지연이 증가함에 따라 감소하지만 일관되게 양수는 아닙니다.
\ 다음으로 그림 5와 같이 Zi 트레이더 모델의 후방을 추정하기 위해 히스토리 데이터를 사용합니다. 파라미터 값은 합성 데이터를 사용할 때 관찰 된 것과 유사한 불확실성으로 제한되어 있음을 발견했습니다. 우리는 다시 이전에 걸쳐있는 시장 주문이 제출되는 비율의 급격한 양식을 다시 볼 수 있습니다. 양식화 된 사실을 계산할 때 확장 된 Chiarella 모델과 동일한 동작을 관찰합니다. 그러나 가격 영향 함수는 이제 볼록 (계수 -0.25)이며 수익과 변동성 사이에 무시할 수있는 상관 관계가있는 곳 (상관 계수는 -0.0005).
\
::: 정보
저자 :
(1) Namid R. Stillman, Simudyne Limited, 영국 ([email protected]);
(2) Rory Baggott, Simudyne Limited, 영국 ([email protected]);
(3) Justin Lyon, 영국 Simudyne Limited ([email protected]);
(4) Jianfei Zhang, 홍콩 거래소 및 클리닝 리미티드, 홍콩 ([email protected]);
(5) Dingqiu Zhu, 홍콩 거래소 및 청산 제한, 홍콩 ([email protected]);
(6) 타오 첸, 홍콩 거래소 및 클리닝 리미티드, 홍콩 ([email protected]);
(7) Perukrishnen Vytelingum, Simudyne Limited, 영국 ([email protected]).
:::
::: Info이 논문은 4.0 증서 라이센스에 의한 CC에 따라 ARXIV에서 구할 수 있습니다.
:::
\
Post Comment