寻找知情的期货交易者及其潜在资产

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：
《Finding informed traders in futures and their inderlying assets in
  intraday trading》
---
作者：
Lyudmila A. Glik, Oleg L. Kritski
---
最新提交年份：
2014
---
英文摘要：
  We propose a mathematical procedure for finding informed traders in ultra-high frequency trading. We wrote it as Vector ARMA and found condition of its stationarity. For the price exposure complied with ARMA(1,2) we proved that underlying asset price difference can be derived as ARMA(1,1) process. For validation of the model, we test an influence of informed traders in EUR/USD, GBP/USD, USD/RUB pairs and futures, in gold and futures prices, in Russian Trade System share index (RTS) and futures trading. We found some evidence of such influence in gold and currency pair USD/RUB pricing, in RTS index in the period from Dec 16 till Dec 20, 2013 and from Jan 28 till Jan 30.
---
中文摘要：
我们提出了一个在超高频交易中寻找知情交易者的数学过程。我们把它写成向量ARMA，并找到了它的平稳性条件。对于符合ARMA（1,2）的价格敞口，我们证明了标的资产差价可以用ARMA（1,1）过程来推导。为了验证模型，我们测试了知情交易者对欧元/美元、英镑/美元、美元/卢布对和期货、黄金和期货价格、俄罗斯交易系统股票指数（RTS）和期货交易的影响。我们在2013年12月16日至12月20日以及1月28日至1月30日期间的黄金和货币对美元/卢布定价、RTS指数中发现了这种影响的一些证据。
---
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：
--> Finding_informed_traders_in_futures_and_their_inderlying_assets_in_intraday_trading.pdf (273.51 KB)

2022-5-5 20:22:06 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：期货交易 交易者 stationarity Mathematical Quantitative

寻找日内交易中的知情交易者及其基础资产俄罗斯托木斯克理工大学Alyudmila A.Glikb，Oleg L.Kritskic Abstracts我们提出了一种在超高频交易中寻找知情交易者的数学方法。我们把它写成向量ARMA，并找到了它的平稳性条件。对于符合ARMA（1,2）的价格敞口，我们证明了标的资产差价可以通过ARMA（1,1）过程导出。为了验证模型，我们测试了知情交易者对欧元/美元、英镑/美元、美元/卢布对和期货、黄金和期货价格、俄罗斯贸易系统股票指数（RTS）和期货交易的影响。我们在2013年12月16日至12月20日以及1月28日至1月30日期间的黄金和货币对美元/卢布定价、RTS指数中发现了这种影响的一些证据。关键词：知情交易者、日内超高频交易、ARMA一致性、期货、标的资产、价格披露、混合策略。果冻分类：G13、G14、G15、D82。1.介绍识别内幕交易者是一个实际而复杂的问题，这里定义为大型机构投资者（如养老基金或对冲基金、做市商、交易商等）。它们通过提供高流动性、保持一定水平的金融工具价格和交易量以及平抑显著的价格波动，在维持股票市场的经营业绩方面发挥着重要作用。除了特殊功能外，它们还使用个人投资者和投机者无法获得的特权（Scholtus等人。

(2014); Lepone和Yang（2013）；Dey和Radhakrishna（2013））：他们可能更快地获得有关重要宏观经济指标的信息，也可能在这项工作得到俄罗斯科学基金资助之前拥有有关企业的非公开信息。托木斯克理工大学，托木斯克市托木斯克列宁大道36号。，俄罗斯，634050。相应的作者。托木斯克理工大学，托木斯克市列宁大道30号。，俄罗斯，634050。电话：+73822 418913。传真：+73822529658。电子邮件地址：olegkol@tpu.ruis在季度或年度财务报告中正式发布。例如，Scholtus等人（2014年）确定了回报变化的统计显著性，并在芝加哥PMI和乌米奇情绪等重要经济指标正式公布之前显示交易活跃度的增加。似乎订阅者比其他人提前3到5分钟收到信息。而且，在发布公告时，公布的数据已经包含在价格中，显著的峰值消失了。我们故意不确定内幕人士对交易活动的影响。首先，我们认为，与大型交易商相比，内幕人士的数量较低。其次，他们的活动受到监管，例如，美国证券交易法（Securities Exchange Act）或俄罗斯联邦法律224-FZ。第三，内幕人士可能会从向知情交易者披露私人信息中获益（参见，例如，Grégoire and Huang（2012）；刘和张（2011）），因为它促进了市场活动和股价的增长，所以内幕人士的利润也增加了。关于内幕交易和知情交易者侦查的文献很多。即便如此，SpecialTention仍致力于Kyle（1985）的经典论文。

它采用了内幕交易的基本思想和原始的两阶段Kyle模型，利用线性价格披露函数和不公开披露的均衡策略的存在性，考虑了垄断内幕交易的市场效率和利润最大化。后来，这种方法在许多作品中得到了普遍接受和发展（葛雷盖尔和黄（2012）；刘和张（2011）；王等人（2009）；Daher等人（2012年）。因此，格雷戈尔和黄（2012）；Liu和Zhang（2011）开发了一个内部人士、N个机构投资者、多个个体（“噪音”）交易者和一个做市商之间互动的数学模型。在Daher et al.（2012）中，作者在凯尔模型中暗示了科诺竞争（双头垄断），并与Wang et al.（2009）进行了类比，研究了Stackelberg竞争，其中内部人员是公司的所有者和从属于他的最高管理者。凯尔的思想影响了德布等人（2014）的论文；周（2012）；Vitale（2012）；Piccioneand Spiegler（2014）；杨和李（2014）。因此，Deb et al.（2014）研究了在噪声交易者在场的情况下，信息交易者和做市商之间的竞争。作者建立了一个三期理性预期均衡（REE）模型，在该模型中，知情交易者接收并验证异常信号，并自行进行交易。在Zhou（2012）中，原始的两阶段Kyle模型被推广到具有一定置信度的单一内部人、多个做市商和多个噪声交易者的情况。作者根据这些内幕人士可获得的信息和他的信念水平（自信或悲观），为他们找到最佳的交易策略。

使用相同的初始假设，Vitale（2012）假设此类内幕人士是风险规避者，这意味着凯尔模型的多证券版本具有马尔可夫线性序列均衡。最后，Piccione和Spiegler的论文（2014年）；Yang和Li（2014））提出了一种具有投资者情绪的交易模型，该模型扩展了原有的Kyle模型。在这个模型中，有一个知情的理性投资者，他最大化了自己的预期利润，还有一个无知的“噪音”情绪投机者，他利用情绪冲击进行交易。作者推导了情绪均衡价格的解析解，并描述了动态价格路径。上述所有文件都存在一个明显的缺点——它们采用了风险资产价格敞口的线性，我们认为这限制了它们的适用范围。Park and Lee（2010）的论文提出了存在内幕交易的风险资产周转动态的非线性模型。作者揭示了风险资产收益率对内幕交易金额的依赖性，并用ARMA（1,1）模型表示。此外，他们还得到了内幕交易的检测准则，这被证明与ARMA（1,1）过程的稳定性条件密切相关。除了通过基础资产价格的变化识别内幕人士和知情交易者外，还存在涉及其衍生品的方法，尤其是期权（Popescu和Kumar（2013）；胡（2013）；Muravyev等人（2013年）。因此，Popescu和Kumar（2013）验证了美式期权的看跌期权平价，针对不同的市场代理人进行了两次不同的敲打，并计算了知情交易（PIN）的可能性。胡（2013）发现标的资产及其三种期权的交易顺序不平衡，即。

在货币内（ITM），在货币内（ATM）和货币外（OTM）期权中，可以计算知情交易者的概率。Muravyev等人（2013年）将这两种方法结合起来。在Yi Tung（2013）中，首先指出了为检测知情交易者而确定期货价格的可能性。该研究表明，期货市场交易活动的增强预计现货市场的活动会增加，但在大多数情况下，交易方向（出售或购买）仍然不明确，即使使用非公开信息。本研究的目的是开发一种方法，用于识别信息交易者对Park and Lee（2010）中考虑的交易活动的影响。因此，我们提出了期货及其标的资产价格的aVector ARMA模型，并估计了其不稳定性的极限。此外，我们还制定了相关的决定性标准。计算算法用于分析有关逐步取消“量化宽松”（QE3）计划的重要宏观经济信息发布前的高频数据以及2013年第三季度以及新闻发布后的一段时间内的美国GDP增长。本文的组织结构如下。在第二节中，我们构建了一个基于股票和期货收益率序列的混合多期信息交易模型，并对其特征进行了研究。第三部分，我们通过模拟分析检测标准的有效性，并将其应用于FXpairs、现货黄金价格、发展中国家股票指数及其在QE3结束公告时的期货。最后，第4节给出了我们的结论。2.

ModelLet假设股票市场上交易标的资产及其期货合约的所有参与者分为知情交易者和普通“噪音”交易者。让影响价格的宏观经济公告在未来时间T公开，而知情交易者在时间T<T时获得数据。我们假设他决定定期等额购买（出售）标的资产或期货，即在时间T，（T+1），…，T。那么标的资产价格变化的影响可以定义为TTUVX,哪里 2,0~utNu–  除了不知情的交易者提供的价格外，tv——知情交易者愿意支付的价格附加费。让我们服从关系,式中β——比例系数，t– 知情交易者的交易价值。我们认为不是这样满足AR（1）模型，该模型由informedtrader隐藏其活动的愿望解释，例如，减少其贡献增值税低水平的市场活动：tttz1、（1）在哪里– 每时间单位的交易价格平均值， 2,0~ztNz– 价格噪音。让St成为时间t时标的资产的报价。由于交易员购买大量标的资产，我们假设St将随着价格的变化而成比例变化：TTTXS1、（2）在哪里   11，科夫TTT VXDVX–市场深度变化系数。从等式（2）可以看出，系数t定义所有市场参与者的价格敞口。

此外，在我们的例子中，很容易验证222UZZ,如果噪声处理是相互独立的。使用X和替代物的分析表示法由（1）定义，等式（2）可以写成Park and Lee（2010）：11的ARMA（1,1）模型TTSS，（3）在哪里 2,0~ 这是一个噪音过程，   122222222211乌兹，  1221      122222222222222222211乌兹， TSST 01.方程（2）以（3）的形式表示，允许我们从Park和Lee（2010）得到以下条件：1）如果ρ<0，则0<δ<-ρ；2） 如果ρ>0，则-1<δ<ρ。因此，我们可以制定以下标准：标准：模型（3）的AR（1）和MA（1）部分（分别为ρ和δ）的系数必须有相反的符号。如果0, 然后根据稳定性条件，. 如果0, 然后.Lettst。。，，1,0, ,  是可供分析的数据集。设m<T是一个时间窗长度，它允许我们计算系数的初始估计 mSSm 01111,1.和1用引号。。。，，，，在模型（3）中为210。将时间窗口按单位向右移动，直到到达时间T为止...,,,1我们估计,s和, mTs ..,,1,0.此外，我们使用发现的系数的经验值来制定决策规则。相应地，我们写下标准：决定性标准：服从非零价格变动0K, mTk ..,,1,0，我们假设如果下列不平等之一成立，则会检测到知情交易：а）kkkk<0,0kk,kkkk; б)kkkk<0,0kk,kkkk.此外，lettFbe是标的资产定价ATT的期货价格。

众所周知，存在一种关系（Alexander and Barbosa（2008））：  tTrSFtt exp，（4）式中，r——无风险利率，T——期货合约的到期时间，T——当前时间，我们可以为回报率1写出等式（3）的类似物tF。现在我们陈述本文的主要结果。定理1。我们假设    1exp101TTRSEARRET，  1exp~ 这是一个高斯噪声过程，   1扩展11t快车。然后，111211~~TTTJJTTTSCFEAF。（5） 定理1的证明列于附录A。定理2。等式系统（3）和（5）可以写成向量模型：   11111;~;~~~~ttttt jjttcxbxax，（6）其中 111;tttSFX， ;~1tAA–向量，120~trCeB，000~1tCC–平方矩阵2×2。定理2的证明是显而易见的。我们注意到，用（6）的形式表示过程可以让我们确定其平稳性的条件（例如，参见Wei（2006）获得向量ARMA过程平稳性的条件和估计）。从这些结果我们可以得出定理3：定理3。过程1tXin方程（6）是平稳的，如果1.定理3的证明列在附录A中。定理3使我们能够编写在交易期货合约及其标的资产时，信息交易者存在的必要的广义标准：广义标准：1）如果-1<ρ<0，则0<δ<ρ；2） 如果1>ρ>0，则-1<δ<ρ。决定性的标准几乎不会改变，而且可以很容易地重写。在本节末尾，我们注意到，如果与等式（1）不同，我们选择价格暴露过程t作为ARMA（1,2），即11TTZZ，（7）那么，基础资产价格的方程（3）应该根据以下定理重写。定理4。

如果知情交易者使用22244UZZ实施混合策略（2）作为多期模型中的信息披露策略，标的资产价格差异遵循以下ARMA（1,1）过程。11ttttSS，（8）在哪里 2,0~ 新界，  122222221Z TSST 01,      1222222222222214121祖祖。证据列于附录A.3中。数值模拟结果3。1.数据我们使用欧元/美元、GBR/美元和美元/卢布货币对和现货黄金价格的超高频滴答数据，以及2014年3月的期货，俄罗斯交易系统股票指数（RTS）及其期货（股票代码RIH4）在2013年12月17日至20日和2014年1月28日至2014年1月30日期间的1分钟数据。数据来自FINAM控股公司（www.FINAM.ru）和CME集团。选择金融工具进行分析是基于宏观经济统计，其信息在一定时间段内披露：这是关于逐步取消美国货币刺激（即QE3）的新闻，以及2013年第三季度美国GDP的最终数据，以及2013年第五季度的初步数据，QE3的终止时间取决于这些数据。3.2. 结果虽然有三个激励计划在运行，但第一个是在2009年3月启动的，区域货币（澳大利亚和新西兰元、巴西和墨西哥比索、人民币、南非兰特、俄罗斯卢布、土耳其里拉和印尼卢比）的作用显著增加（三年期中央银行调查报告（2013））：，过去三年，外汇市场“净”交易额中的ROUBLE百分比从0.9%增加到1.6%。这种情况并不罕见：同期人民币的份额从0.9%上升到2.2%，墨西哥比索从1.3%上升到2.5%，土耳其里拉从0.7%上升到1.3%。