市场动态。论供求观念

这使得引入“动态影响”概念变得合理，即资产价格对利率I的敏感性，不同于常规“影响”——资产价格对执行量的敏感性[14]。从给出的图表中，我们可以看到“动态影响”概念的一个重要意义，即价格和I奇点都局限在大约相同的价格水平上。类似的情况也发生在时间-空间上，[1]这又是一个论点，即价格变化与I有关，而不是与数量有关，“动态影响”应被视为交易活动对资产价格的主要影响。塞克。（17） 给出一个实验性回答基本问题的机会，即I的极值是否与pψ[H]的极值匹配。在经典影响[14]模型中（交易量的增加会导致价格的大幅变化），I和pψ[H]的极值应该是本质上不同的。在“动态冲击”模型中（I的增加导致实质性的价格变化），I和pψ[H]的极值对应于相同的状态ψ[H]。对于数据，我们使用的值是pψ[H]=693.96和Ex（pψ[H]）=692.46。这一点，再加上观察到拉格一号附近的价格大幅波动，使得“动态影响”模型看起来更合适。然而，价格空间中的波函数仅适用于准静态情况，在试图得出非平稳情况下“经典影响”和“动态影响”的相对重要性的结论时，需要考虑不同的基础。从总交易量（股票数量）到单位时间交易量的转变允许克服上述两个价格限制——交易量分析。

首先，与没有自由度且仅由手动插入的时间尺度决定的价格中值不同，（10）特征值问题具有d自由度，这允许根据动态方程（1）自动选择最合适的时间尺度。第二，与总交易量相比，交易率I=dv/dt是局部的，在短时间内进行的几次大型交易可以极大地改变I的价值。人们可以看到，单位时间内从交易量到交易量的这种转换，与运动动量概念从亚里士多德式到伽利略式经典力学的转变类似。在图3的第三个图表中，我们给出了给定价格P的概率w[H]（P）和w[L]（P）分别对应于最大值和最小值I的状态。w[H]（P）局限于高I和大价格变化区域（“动态影响”效应）。w[L]（P）位于低I区域，在准静态情况下，亲婴儿w[L]（P）不重要，但在非静态情况下，它非常重要[1]，因为它决定了装载位置打开条件。市场均衡解释现在具有概率性质，由均衡状态的波函数ψ[H]（p）决定，对应于最大I。这是从价格-空间经典均衡S（p）=D（p）到（1）形式的动力学方程的重大转变。这种转换的目标是直接从市场数据中获得平衡状态，正如我们在上面用ψ[H]（p）计算所证明的，这可以通过解决（10）问题来实现。与从市场数据中估计经典的供给S（P）和需求D（P）函数相比，这是一个关键的进步，这在最好的情况下是模糊的，在最坏的情况下是不可能的。

从供给/需求到匹配关系的转变改变了平衡点附近S（P）=D（P）的研究（例如，它是否具有线性或平方根类型的行为[7]）和ψ[H]（P）附近I的研究，因为，正如我们通过实验证明的（代码和数据见附录A），由I变化引起的价格动态变化比由数量变化引起的价格变化要大得多。本文只考虑了准平稳情形，它只导致两种类型的I变化：等式（12）和（13），其中Δψ（p）作为价格空间中的ψ[H]（p）变化。对于我们早期工作[1]中的全动态理论，我们从参考文献[1]的第二节“运动学”中考虑了时间空间ψ（t）中的一个可预测状态，该状态有两个度量（拉盖尔和移位勒让德），具有非常方便的性质，允许通过应用分段积分获得极小的时移变化。问题在于将ψ（t）和ψ（p）的概率状态组合成一个单一的状态，这将描述价格动态，并给出一个关于未来价格值可以实际获得多少信息的答案，也就是说，在什么程度上扩展了交易者对“哲学世界”的梦想，即预测未来价格的系统实际上可以存在。这将是我们未来研究的主题。四、 本文提出了一种替代供求理论的方法。该理论考虑的是始终匹配的买家和卖家，并最大化他们的匹配率。系统状态由概率分布决定，从中可以计算出所有可观测变量，包括匹配率。对应于最大匹配率的平衡分布可以从广义特征值问题中找到，ma ximizing匹配率泛函（9）。该理论的应用在阿普林塔迪交易数据上得到了证明。

图中显示了最大化交易量和匹配率（单位时间的交易量）之间的概念差异。虽然交易量在中值市盈率附近有最大值，但匹配率在市场临界点附近有一种奇异的行为，这使得该方法更适合于风险度量和市场方向预测。附录A：代码实现示例实现alg算法的计算机代码可用[15]。代码是java/scalawrited。要复制结果，请执行以下步骤：o安装java 1.8或更高版本和scala 2.11.7或更高版本。o从[15]下载数据文件S09 2012-v41。txt。gz和代码存档提供了DemandQuasistational。zip.o解压缩代码并重新编译。解压SupplyDemandQuasistational。zipjavac-g com/polytechnik/*/*javascalac com/polytechnik/algorithms/ExampleNoSupplyDemand。scalao从文件S092012-v41中提取。txt。gz AAPL执行交易并将数据保存到App。csvjava com/polytechnik/itch/DumpDataTrader S092012-v41。txt。gz AAPL>AAPL。csv图2中的P（t）可从aapl获得。csv，aapl中的时间单位（第二列）。csv是NASDAQ瘙痒[16]：从00:00开始的纳秒使用来自aapl的已执行交易信息。csv以获得第三节的结果。scala公司。polytechnik。算法。例如，无供应需求aapl。csv文件柱状图。csv和psi。csv现在已生成。文件柱状图。csv containsprice–体积分布（图3中的顶部图表）。文件psi。csv包含w[H]（P）、w[L]（P）和I（P）（图3中的其他图表）。[1] Vladislav Gennadievich Malyshkin和Ray Bakhramov，“实时股票交易的数学发现。流动性缺陷和市场动态。”。

自动交易机器。http://arxiv.org/abs/1510.05510，“ArXiv电子印刷（2015），ArXiv:1510.05510[q-fin.CP]。[2] Hans Albert，Darrell Arnold和Frank Maier Rigaud，“柏拉图主义模式：批判视野中的新古典主义经济思想”，《制度经济学杂志》8295–323（2012）。[3] 琼·罗宾逊，《经济哲学》（交易出版社，1962年）。[4] 艾伦·基曼，《现代经济理论的内在局限：皇帝没有衣服》，《经济杂志》，126-139（1989）。[5] Neva Goodwin、Julie A Nelson、Frank Ackerman和Thomas Weisskopf，“背景下的微观经济”，纽约（2009），ISBN:978-0-7656-2301-0。[6] Leon Walras，《纯粹经济学的要素》（Routledge，2013）。[7] Jonathan Donier和Jean-Philippe Bouchaud，“从Walras的拍卖师到连续时间双重拍卖：供需的一般动态理论”，ArXiv e-prints（2015），ArXiv:1506.03758[q-fin.TR]。[8] Vladislav Gennadievich Malyshkin，“机器学习的无标准Radon-Nikodym方法”，arXiv预印本arXiv:1512.03219（2015）。[9] Gennadii Stepanovich Malyshkin，水声信号处理的优化和自适应方法。第一卷。最佳方法。（俄语）。（Elektropribor出版社，2009）ISBN:978-5-900780-90-0。[10] “Lapack版本3.5.0”（2013年）。[11] E.莫罗、J.维森特、L.G.莫亚诺、A.格里格、J.D.法默、G.瓦格利卡、F.利洛、安德烈。N.Mantegna，“股市中隐藏订单的市场影响和交易收益”，Phys。牧师。E 80066102（2009），arXiv:0908.0202[q-fin.TR]。[12] Jim Gathereal和Alexander Schied，“市场影响的动态模型和订单执行算法”，《系统性风险手册》，Jean-Pierre Fouque，Joseph A.Langsam主编，579–599（2013）。[13] J·多尼尔、J·博纳特、I·马斯特罗马特奥和J-P。

Bouchaud，“非线性市场影响的完全一致、最小模型”，ArXiv e-prints（2014），ArXiv:1412.0141[q-fin.TR]。[14] 维基百科，“市场imp法案”（2016年）。[15] Vladislav Gennadievich Malyshkin（2014），多项式计算代码，http://www.ioffe.ru/LNEPS/malyshkin/code.html.[16] 纳斯达克OMX，纳斯达克TotalView ITCH 4.1，报告（纳斯达克OMX，2014）。