基于时间两点的期货市场效率诊断

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Futures market efficiency diagnostics via temporal two-point
  correlations. Russian market case study》
---
作者：
Mikhail Kopytin, Evgeniy Kazantsev
---
最新提交年份：
2013
---
英文摘要：
  Using a two-point correlation technique, we study emergence of market efficiency in the emergent Russian futures market by focusing on lagged correlations. The correlation strength of leader-follower effects in the lagged inter-market correlations on the hourly time frame is seen to be significant initially (2009-2011) but gradually goes down, as the erstwhile leader instruments -- crude oil, the USD/RUB exchange rate, and the Russian stock market index -- seem to lose the leader status. An inefficiency index, based on two-point correlations, is proposed and its history is established.
---
中文摘要：
利用两点相关技术，我们研究了俄罗斯新兴期货市场中市场效率的出现，重点关注滞后相关性。在每小时的时间范围内，滞后的市场间相关性中的领导者-追随者效应的相关性强度最初（2009-2011年）被认为是显著的，但随着前领导者工具——原油、美元/卢布汇率和俄罗斯股市指数——似乎失去了领导者地位，这种相关性强度逐渐下降。提出了一种基于两点相关性的无效率指数，并建立了其历史。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Trading and Market Microstructure        交易与市场微观结构
分类描述：Market microstructure, liquidity, exchange and auction design, automated trading, agent-based modeling and market-making
市场微观结构，流动性，交易和拍卖设计，自动化交易，基于代理的建模和做市
--

---
PDF下载：
--> Futures_market_efficiency_diagnostics_via_temporal_two-point_correlations._Russi.pdf (169.58 KB)

2022-5-4 22:12:52 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：期货市场 市场效率 correlations Quantitative Inefficiency

通过时间两点相关性进行期货市场效率诊断。俄罗斯市场案例研究。M.L.科皮蒂纳，*, E.V.KazantsevaaMaraging Partners LLC，俄罗斯莫斯科ussiahttp://maragingpartners.ruAbstractUsing我们采用两点相关技术，通过关注滞后相关性，研究俄罗斯期货市场的市场效率。从一开始（2009-2011年），每小时的滞后市场相关性中的领导者-追随者效应的相关性强度被认为是显著的，但随着前领导者工具——原油、美元/卢布汇率和俄罗斯股市指数——似乎失去了领先地位，这种相关性逐渐减弱。提出了基于两点相关性的效率指数，并建立了其历史。关键词：期货市场，有效市场假说，新兴市场，堡垒，两点相关性，FX1。介绍算法交易的成功与市场和算法本身有很大关系。虽然自适应算法领域有其自身的问题和与机器学习相关的方法，但机器正在“学习”的现象学可以表现出来，并在包含源自时间序列的观察值集（N元组）的N维空间中捕获。这种空间最简单的非局部情况是两个数量对的二维空间，其中学习的对象是两点相关函数（非平稳问题中的有损信息）。我们使用离散时间序列和这个函数*对应的作者邮箱地址：m。kopytin@maragingpartners.ru（M.L.Kopytin），e。kazantsev@maragingpartners.ru（E.V.Kazantsev）2021年5月31日提交给爱思唯尔的预印本定义为一组离散的时滞值。

这种函数非零时滞的零值将证明将时间序列称为鞅[1]是合理的，因为它无法确定市场与有效市场假说（EMH）的偏差。奇怪的是，t非零时滞特征的缺失导致对空间的最大可能对称性，使人们可以将EMH视为对称原理的一种形式。金融监管机构和公共政策制定者必须了解期货投机对价格和波动性的影响，尤其是在定量交易方面。要解决这个问题，人们必须走出EMH。虽然成功的投机在一定的时间尺度上提高了市场效率，但这样做的代价可能是改变相同或不同时间尺度上的市场波动性。在其他条件相同的情况下，当效率降低时，波动率会发生什么，取决于相关函数的形状，其中包括非零时间Lag。非商业市场参与者，尤其是量化对冲基金、其营销人员、客户及其顾问，缺乏在特定时间尺度上表征特定地域和地域范围内市场效率水平的标准尺度。两点自相关和市场间相关性，包括非零时间la gs，表明了一种透明且可扩展的解决方案。当然，我们的案例研究主要集中在我们地区可用的工具上。我们认为，这是建立一套这样的基准的第一步，有助于合理评估经理绩效，并为区域、市场和战略的选择提供信息。FORTS，即俄罗斯期货市场，提供了一个有趣的研究案例，由于市场的新兴性质，人们可以通过当代电子数据见证市场效率的出现，甚至参与利用剩余效率。

我们认为，由此产生的见解——本文的主题——具有普遍的意义。我们关注的是期货市场，其中“投机者”一词没有负面含义，而股票市场则可以将“聪明的投资者”视为投机者的对立面。对我们来说，投机者是期货市场的参与者，对正在交易的商品没有商业利益。在我们的语言中，市场效率所代表的积极概念——描述了信息丰富的状态，与最大对称的琐碎状态相反——看起来是消极的，因为市场效率是对效率的否定。由于缺少更好的术语，我们将继续使用这些术语。RTS期货和期权的缩写，是东欧最大的衍生品交易所，总部位于莫斯科。2.数据和方法我们分析了以下五种FORTS期货合约的数据，这些合约代表了具有宏观经济意义和提供最高流动性的独立参与者。使用以下缩写：oRI：俄罗斯RTS股票市场指数最近的三个月合同oBR：布伦特原油最近的一个月合同，代表俄罗斯主要出口商品之一原油的代理oED：欧元/美元最近的三个月合同oEU：欧元/卢布最近的三个月合同，俄罗斯进口商的重要结算工具oSI：最近的三个月美元/卢布合同，俄罗斯商品出口的重要结算工具。数据由FORTS交易所自己公开提供。FORTSis是一个现代的拍卖型电子市场，包括零售商品在内的所有商品都可以通过网络直接进入市场。原始数据是滴答数数据，我们将其汇总成每小时和每天的条形图。原始数据和聚合数据都存储在MySQL数据库中。

我们已经设计了一个定制的API来将我们的C++分析代码与数据库连接起来。要求所有五个市场都有用于市场间相关性分析的数据，这就给我们留下了从2009年2月开始的数据集。除非另有明确规定，研究中的数据集为2009年2月至2013年4月。分析中使用的数据集包括13个。每台仪器每小时5-1.5万个数据点。这种相关性分析的直接目标是每小时时间尺度上对数反转的时间序列，使用价格P（t）：x（t）的每小时收盘价构建|t） =ln（p（t）/p（t- t） ）=ln（p（t））- ln（p（t）- t） ），（1）在哪里t是前一个小时结束后到给定小时的时间间隔，通常为一小时。在期货合约到期时，对nextone进行切换，此时离到期还有三个月（布伦特为一个月）。受开关影响的返回总是被排除在分析之外。/ndf 2χ50.38/50p0 8.610e-11±9.395e-11 p1 0.222±-3.886-4-3-2/ndf 2χ50.38/50p0 8.610e-11±9.395e-11 p1 0.222±-3.886 RTS，正尾/ndf 2χ25.27/49p0 1.251e-09±1.756e-09 p1 0.174±-3.203-2dP/dx，差异概率-410-310-210/ndf 2 25.27/RTS-491±-251e-203±-174，负尾/ndf 2χ12/16p0 5.263e-13±3.418e-13 p1 0.302±-4.324X，小时对数回归-210/ndf 2χ12/16p0 5.263e-13±3.418e-13 p1 0.302±-4.324 USD/RUB，正尾/ndf 2χ14.35/15p0 4.135e-13±2.421e-13 p1 0.334±-4.395-x，镜像小时对数回归-210dP/dx，差异。

概率-410-310-210/ndf 2χ14.35/15p0 4.135e-13±2.421e-13 p1 0.334±-4.395美元/卢布，负尾图1：每小时对数回报的差异概率密度分布。顶部：RTS指数期货，底部：美元/卢布汇率期货。左：负回报的尾部，围绕垂直轴反射。右图：正回报的尾部。le-ast squar fits的结果用于幂律参数化，其中pB为幂律指数。在这里和所有其他图表中，垂直条显示了一个标准偏差的大小。对于要纳入市场间分析的特定时间，我们要求所有五个感兴趣的市场在该时间内都有数据。如果某个小时内至少有一个市场的数据丢失，则该小时所有市场的返回数据不参与市场间研究。该选择条件对数据施加了流动性要求。图1显示了对数回报率的差异概率密度分布的尾部行为数据，并允许研究尾部渐近性，以验证我们所追求的量的收敛性。未来RTS指数和美元/卢布汇率是典型的例子。对数曲线图上尾巴的线性表示幂律依赖性。具有幂律模型DP/dx=pxp的最小二乘法（2）收益率参数（如插图所示），表明可以安全地对这些市场的第一和第二时刻进行收敛，sp<-3.根据最近的评估，权力指数在预期范围内[2]。这些指数对数据可能进行的统计分析的渐近复杂度，以及任何旨在检测和利用统计重要特征的算法的共感复杂度，设定了上限。图中的Fit参数。

1表明，在美元/卢布的情况下，这个上限更高，真正的三点分析不会因为缺乏收敛性而被排除在RTS指数的情况下。我们使用的相关函数c（td | x，x）=Et[x（t+td）x（t）]，（3）是这样的，即市场趋势（非零Et[x（t）]将被检测为非零的关联效应，符合我们检测可开发市场动态的目标。这里，Eti是时间平均运算符，td=t- 这是时滞变量，相关函数的参数。对于市场间研究，公式3的标准化版本更方便：C（td | x，x）=C（td | x，x）/qVar[x]Var[x]。（4） 这种关联函数的示例如图2所示。该函数的零时滞值约为-0.47，突显了油价对卢布价值的积极推动作用，因此对美元/卢布是消极的，这是所有在俄罗斯感兴趣的经济机构都熟悉的宏观经济学特征。我们注意到，与时间差变量td的符号变化相关的相关性不对称，主要是由于td=1时间滞后的非零相关性的存在而具有统计学意义。这种不对称性表明乐器之间存在一种主从关系。因为TDI定义为t（SI）- t（BR），1小时的正电荷对应于成对测量，其中SI数据在BR之后1小时进行。我们将滞后相关性解释为，仪器之间的宏观经济驱动关系在有限的响应时间内结束，该时间足够长，可以通过每小时频率的数据进行查看。图2提供了此类响应模型的信息。幂律指数越负，尾部越薄。

对于n时刻的存在，一个积分lR+∞-∞xnp（x）dx必须收敛，所以如果p（x）在尾部遵循幂律，p（x）∝ xα，n+α<-1确保趋同-图2：最近的美元/卢布期货（SI）和最近的布伦特期货（BR）之间的市场间相关性函数。垂直条的长度为一个标准差。3.结果和讨论过去的市场回报率对未来利率没有影响的说法[3]被称为有效市场假说的弱形式。如图2所示，领导者与追随者之间的关系是一种预测性的市场间依赖关系，它反映了有效市场假说的弱形式，因此，强形式也会表现出来。事实上，可以利用这些影响将知情的市场运营商的盈亏平衡转向盈亏平衡。根据我们在咨询业务过程中与面临外汇风险的实体经济决策者互动的经验，我们认为，说所有市场参与者都平等地充分了解这些影响是不正确的。他们也不具备获得信息的能力。EMH描述了一个有趣但理想化的条件，与平衡概念密切相关。我们研究的主题不是EMH的有效性，而是量化其无效程度，并将其作为熟悉的计量经济数据集的一个潜在有趣的补充。followerRTS Brent EUR/USD EUR/RUB USD/RUB LEADERRTS-5.9-4.3 Brent-6.5-5.6 EUR/USD-4.4 EUR/RUB USD/RUB 4.2表1：研究中的每小时期货数据中的领跑者效应的强度和方向。报告的数字是滞后一小时的相关强度，用其测量的统计精度的标准偏差单位表示。

其中包括所有大于3个标准差的影响。这些数据在整个观察期内进行时间聚合。3.1. 主从效应的时间平均图。2表明，如果一个人对小时时间尺度上的领导者-追随者效应感兴趣，那么在一个小时时间滞后的相关系数可能是捕捉这种效应的最佳单数量。其他相关函数证实了这一点，因此，为了使演示更经济，我们将关注这个数量。表1给出了观察期内主从效应的重要性和方向的时间综合数据。仅显示统计上的显著影响。所有信号都不在表的对角线上，即在自相关中。影响是严格不对称的：阿莱德永远不会也是追随者，反之亦然。RTS和Brent bot h是欧元/卢布和美元/卢布的领导者，而美元/卢布是欧元/卢布的领导者，欧元/美元是美元/卢布的领导者。作为欧元/卢布的领头羊，欧元/美元没有超过信号强度阈值。至于表1中报告的效应符号，它们都是“尾部”类型，也就是说，非零时间段的相关系数符号与零滞后相关性符号相同，因此滞后相关性拓宽了相关峰值。如果已经存在于市场并进行随机活动的市场代理人掌握了图2所示的信息，并在不改变总交易量的情况下相应地调整了他们的操作，我们假设小时时间框架波动率（零滞后峰值）将保持不变，因为总交易量没有改变。

交易者操作的效果将是降低非零滞后相关系数，因为一个人的买入推高价格，一个人的卖出推低价格，因此一个人利用机会的行动减少了所有人可用的“机会数量”，非零滞后的非零相关性是对该机会的衡量。在假设的多头摩擦、多头布伦特投资组合的特殊情况下——一个“风险对”的投资组合——图2中的相关特征将扩大投资组合的自相关函数，与EMH理想相比，创造被称为市场趋势的现象，例如，创造未来的可预测性，作为过去的重复。由于特定时间尺度上的方差是滞后于该时间尺度的相关函数的积分[4]，投资组合相关函数的缩小将导致较长时间尺度方差（波动率）的减少。这种观点将具有尾部相关性的市场中的投机行为定性为“良性”，即在这种情况下，有可能降低可预测性（提高“效率”），同时降低长期规模的波动性，就好像投机者在向其他趋势的市场注入稳定振荡一样。如果相关形状一直在振荡，结论可能会是相反的，投机者会“摇船”。主从效应的时间演变下一个问题是表1中报告的效应在时间上是否稳定。为了回答这个问题，我们将数据汇总为四个相等的时段，每个时段为期一年，从2009年2月开始，到2013年4月结束。如表1所示，我们报告了一次一个相关系数，即通过检查时间积分相关函数来携带最重要信号时发现的滞后时间的一个相关系数。