تجزیه و تحلیل تأثیر بازار روزانه با استفاده از اطلاعات اجرای و سفارش کتاب

ما بورس اوراق بهادار توکیو (TSE) را برای یک دوره 29 ماهه از آگوست 2014 تا دسامبر 2016 ، از جمله هر عکس فوری معامله و سفارش ، تجزیه و تحلیل کردیم و از طریق یک آزمایش آماری ساده تأیید کردیم که تأثیر بازار به هر سهام بستگی دارد. بر اساس تجزیه و تحلیل همبستگی ، دریافتیم که تأثیر بازار به آرامی با گذشت زمان تغییر می کند. از تجزیه و تحلیل کتاب سفارش ، همبستگی های منفی بین تأثیر بازار و حجم سفارش متوسط به طور متوسط در کتاب سفارش مشاهده شد. ما همچنین توضیح دادیم که یکی از عوامل تأثیر بازار ، حجم سفارشات محدود در کتاب سفارش است.

1. معرفی

بسیاری از مطالعات قبلی به تأثیر بازار از دیدگاههای نظری [1-8] و تجربی [9-13] توجه کرده اند زیرا این امر مربوط به کارآیی بازار و هزینه های معاملاتی است ، به خصوص برای تجارت حجم های بزرگ.

تجزیه و تحلیل تأثیر بازار با استفاده از داده های کتاب سفارش از دهه 2000 به تدریج به لطف تهیه مجموعه داده های کتاب سفارش از بازارهای بورس اوراق بهادار مانند بورس اوراق بهادار لندن (LSE) ، بورس اوراق بهادار نیویورک (14-18] به تدریج محبوب شد. NYSE) ، و بورس اوراق بهادار توکیو (TSE) و پیشرفت فناوری رایانه ای که ما را قادر می سازد تا اندازه عظیمی از داده های کتاب سفارش را تجزیه و تحلیل کنیم.

این مطالعات عمدتاً بر تأثیر بازار مقیاس کوتاه مانند یک معامله واحد ، چند ثانیه یا چند دقیقه متمرکز شده است. بحث در مورد چگونگی تأثیر حجم زیاد بر قیمت بازار در مقیاس طولانی مفید است. هرچند مقیاس طولانی مدت آن ، مانند تأثیر روزانه در بازار ، در مقایسه با مقیاس زمانی کوتاه به اندازه کافی مورد مطالعه قرار نگرفته است. به منظور برآورد هزینه های معامله ، تجزیه و تحلیل تأثیر بازار روزانه برای شرکت های مدیریت دارایی که روزانه موقعیت خود را مدیریت می کنند مهم است.

در یک مطالعه قبلی از یک مجموعه داده تاریخی بورس اوراق بهادار توکیو (TSE) برای یک دوره 17 ماهه از آگوست 2014 تا دسامبر 2015 [19] ، ما دو رابطه زیر را شناسایی کردیم: (i) یک رابطه متناسب بین بازگشتقیمت بازار و عدم تعادل ترتیب حجم اجرا شده و (ب) رابطه متناسب با معکوس بین تأثیر بازار و حجم کتاب سفارش متوسط. ما همچنین با محاسبه هزینه گسترش و استفاده از رابطه بین بازده و عدم تعادل سفارش اجرای ، یک مدل هزینه معامله را معرفی کردیم.

ما روی Topix Core 30 متمرکز شدیم که در آن مسائل دارای سرمایه و نقدینگی بسیار بالا در بازار مانند تویوتا و سونی است. با این حال ، در این مطالعه ، ما نه تنها Topix Core 30 بلکه سهام کوچکتر مانند Topix Large 70 و Mid 400 را مورد تجزیه و تحلیل قرار دادیم و نتایج زیر را در مورد تأثیر بازار مشخص کردیم: (i) این به موضوعات بستگی دارد.(ب) به آرامی با گذشت زمان تغییر می کند. و (iii) یکی از عوامل آن حجم کتاب سفارش است. این یافته ها برای برآورد هزینه های معامله مفید است.

مقاله ما به شکل زیر سازماندهی شده است. در بخش 2 ، نتایج تجزیه و تحلیل تجربی داده های اجرای و سفارش را ارائه می دهیم. بخش 3 نتیجه گیری ماست.

2. تجزیه و تحلیل تجربی

ما داده های بورس اوراق بهادار توکیو را برای یک دوره 29 ماهه از آگوست 2014 تا دسامبر 2016 تجزیه و تحلیل کردیم ، که هر معامله و هر کتاب سفارش را از بهترین قیمت (سطح 0) به سطح 7 برای Topix Core 30 ضبط می کرد. 70 بزرگ ، و اواسط 400. مجموعه داده ها را می توان از گروه Exchange ژاپن خریداری کرد (https://www.jpx. co. jp/english/markets/paid-info-equities/historical/01.html).

در این بخش ، مجموعه داده ها مورد تجزیه و تحلیل قرار می گیرند ، و ما نشان می دهیم که تأثیر بازار با یک آزمایش آماری ساده به هر سهام بستگی دارد. ما تأثیر بازار را به آرامی بر اساس تجزیه و تحلیل همبستگی آن تغییر می دهیم. علاوه بر این ، وابستگی های تأثیر بازار بر حجم کتاب سفارش بررسی شده است.

شکل 1 نمونه ای از قیمت بازار سونی (کد سهام: 6758) را در شکل بالایی و حجم معاملات تجمعی معامله (یک سفارش بازار به قیمت بهترین چیز) نشان می دهد و معامله (یک سفارش بازار به بهترین ها برخورد می کند. قیمت نمودار) در شکل پایین از 1 ثانیه گذشته 9 صبح تا 1 ثانیه قبل از 3 بعد از ظهر. در 21 ژوئن 2016. اجرای معاملات افتتاح و بسته شدن معمولاً حجم بسیار زیادی دارد. ما در این مطالعه روی جلسات مداوم متمرکز شدیم ، معاملات افتتاح و بسته شدن را حذف کردیم و بازده قیمت بازار را به مدت 1 روز تعریف کردیم:

جایی که P_حرفو ص_اشمیهقیمت ها ساعت 9:00:01 و 14:59:59 هستند. عدم تعادل سفارش اعدام شده (Δ V) به عنوان معامله تجمعی و منهای معامله-پیشنهاد 1 ثانیه قبل از 3 بعد از ظهر محاسبه می شود.

شکل 1 . سری زمانی قیمت بازار و حجم معاملات تجمعی سونی (کد سهام: 6758) از 1 ثانیه گذشته 9 صبح تا 1 ثانیه قبل از 3 بعد از ظهر. در 21 ژوئن 2016.

شکل 2 نمودار پراکندگی بازده (r) و عدم تعادل سفارش اجرا شده (Δ V) شرکت سونی (کد سهام: 6758) را در Core 30 و Nippon Paper Industries Co., Ltd. (کد سهام: 3863) نشان می دهد. در Mid 400 از 1 تا 31 اکتبر 2016. هر امتیاز با داده های یک روز محاسبه می شود. ما یک همبستگی خطی واضح بین بازگشت (r) و عدم تعادل سفارش اجرا شده (Δ V) پیدا کردیم:

که در آن گرادیان α اندازه گیری تاثیر بازار است. در مورد شرکت سونی (کد سهام: 6758)، α l = 2 . 17 × 1 0 - 8، خطای استاندارد α_ل4. 07 × 10-9 است و p-value برای α است_ل4. 49 × 10-5 است. در مورد Nippon Paper Industries Co., Ltd. (کد بورسی: 3863)، α l = 1 . 70 × 1 0 - 7، خطای استاندارد 2. 59 × 10-8 است و p-value 3. 78 × 10-6 است.

شکل 2 . نمودارهای پراکنده بین بازگشت (r ) و عدم تعادل سفارش اجرا شده (Δ V ) از 1 تا 31 اکتبر 2016. (الف) شرکت سونی (کد سهام: 6758) در Core 30، (B) Nippon Paper Industries Co., Ltd. (کد موجودی: 3863).

برای بررسی آماری وجود تفاوت تأثیر بازار بین سهام، تأثیر بازار یک ین را به صورت زیر تعریف می کنیم:

جایی که α_{ل، من}تاثیر بازار را برای حجم واحد، P_منآخرین قیمت در یک ماه است و من شاخص سهام است. نمونه هایی از سری های زمانی ماهانه α i * را در طول دوره 29 ماهه برای سه شرکت در شکل 3 نشان می دهیم. ما تأثیر بازار ماهانه، α i *، شرکت های A و B را مقایسه می کنیم و آزمون دوجمله ای را اجرا می کنیم. یک فرضیه صفر این است که تأثیرات بازار بین شرکت A و B یکسان است. به عبارت دیگر، احتمال اینکه تاثیر بازار شرکت A بزرگتر از B باشد نصف است. اگر شرکت الف تاثیر بازار بیشتری داشته باشد n_آبرابر B، از طرف دیگر شرکت B تأثیر بیشتری در بازار n دارد_ببرابر A، مقدار p محاسبه می شود:

که در آن دو بار یک آزمایش دو دنباله را توصیف می کند و (n k ) = n (n - 1 ) ⋯ ( n - k + 1 ) k ( k - 1 ) ⋯ 1 .

شکل 3. سری زمانی ماهانه α i * طی دوره 29 ماهه برای سه شرکت: تویوتا موتور Corp. (7203)، میتسوبیشی UFJ Financial Group، Inc. (8306)، و Sumitomo Mitsui Financial Group, Inc. (8316).

ما یک آزمون آماری را برای تمام ترکیبات Core 30، Large 70 و Mid 400 اعمال کردیم. ما به مقادیر p کوچک علاقه مندیم و توزیع تجمعی p-values را در مقیاس log-log نشان می دهیم (شکل 4) و پیدا کردیمداده های واقعی نسبت به یک مورد تصادفی نسبت بسیار بیشتری از مقادیر p کوچک دارند. به عنوان مثال، در حالت واقعی، حدود 68 درصد از مقادیر p هستند

شکل 4. توزیع تجمعی مقادیر p برای Core 30، Large 70 و Mid 400.

برای بررسی استحکام اندازه تاثیر بازار، نمودار پراکندگی سیاهه را نشان می دهیم₁₀α* در ماه های M و M + 1 در شکل 5. یک میانه و همچنین 25 و 75 درصد صدک را در هر جعبه اضافه کردیم و یک همبستگی واضح را شناسایی کردیم. ضرایب همبستگی مقادیر زیادی (0. 67) در مورد همبستگی محصول-لحظه پیرسون و 0. 71 در مورد همبستگی مرتبه رتبه اسپیرمن دارند.

شکل 5. نمودار پراکندگی log α* در ماه های M و M + 1 ام.

ما همچنین وابستگی های Δ M را برای همبستگی نشان داده شده در شکل 6 بررسی کردیم. این همبستگی تا 12 = Δ M کاهش می یابد (1 سال) و اشباع می شود. برای همبستگی رتبه - ترتیب اسپیرمن، زمانی که Δ M = 18 است، تقریباً 0. 64 است.

شکل 6. همبستگی محصول-لحظه پیرسون و همبستگی رتبه- ترتیب اسپیرمن برای ورود به سیستم (α i *) در ماه های M و ΔM.

در مرحله بعد، ما بر روابط بین تأثیر بازار مشخص شده با α i * و حجم دفترچه سفارش تمرکز کردیم. ما حجم i-امین بهترین درخواست و پیشنهاد قیمت را در t به عنوان V تعریف کردیم_{الف، من}(t) و V_{ب، من}(ت). به عنوان مثال، 0مین (بهترین) حجم سمت پرسش در t به صورت V نوشته می شود_{a, 0}(ت). و میانگین حجم کتاب سفارش طرفین پیشنهاد و درخواست از سطح صفر تا هفتم در t = t_حرفداده می شود:

که در آن مقالات آموزش فارکس...