统计验证的超前-滞后网络和库存预测

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：
《Statistically validated lead-lag networks and inventory prediction in
  the foreign exchange market》
---
作者：
Damien Challet, R\\\'emy Chicheportiche, Mehdi Lallouache and Serge
  Kassibrakis
---
最新提交年份：
2018
---
英文摘要：
  We introduce a method to infer lead-lag networks of agents\' actions in complex systems. These networks open the way to both microscopic and macroscopic states prediction in such systems. We apply this method to trader-resolved data in the foreign exchange market. We show that these networks are remarkably persistent, which explains why and how order flow prediction is possible from trader-resolved data. In addition, if traders\' actions depend on past prices, the evolution of the average price paid by traders may also be predictable. Using random forests, we verify that the predictability of both the sign of order flow and the direction of average transaction price is strong for retail investors at an hourly time scale, which is of great relevance to brokers and order matching engines. Finally, we argue that the existence of trader lead-lag networks explains in a self-referential way why a given trader becomes active, which is in line with the fact that most trading activity has an endogenous origin.
---
中文摘要：
我们介绍了一种推断复杂系统中agent行为的超前-滞后网络的方法。这些网络为此类系统的微观和宏观状态预测开辟了道路。我们将此方法应用于外汇市场中的交易员解析数据。我们证明了这些网络是非常持久的，这解释了为什么以及如何从交易者解析的数据中预测订单流。此外，如果交易者的行为取决于过去的价格，那么交易者支付的平均价格的演变也可能是可预测的。使用随机森林，我们验证了在每小时的时间尺度上，对于散户投资者来说，订单流符号和平均交易价格方向的可预测性都很强，这与经纪人和订单匹配引擎有很大的相关性。最后，我们认为交易者超前-滞后网络的存在以一种自我参照的方式解释了为什么给定交易者变得活跃，这与大多数交易活动具有内生起源的事实相一致。
---
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
--
一级分类：Physics        物理学
二级分类：Physics and Society        物理学与社会
分类描述：Structure, dynamics and collective behavior of societies and groups (human or otherwise). Quantitative analysis of social networks and other complex networks. Physics and engineering of infrastructure and systems of broad societal impact (e.g., energy grids, transportation networks).
社会和团体（人类或其他）的结构、动态和集体行为。社会网络和其他复杂网络的定量分析。具有广泛社会影响的基础设施和系统（如能源网、运输网络）的物理和工程。
--

---
PDF下载：
--> Statistically_validated_lead-lag_networks_and_inventory_prediction_in_the_foreig.pdf (2.91 MB)

2022-5-25 15:59:55 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：Quantitative QUANTITATIV agent-based Engineering Statistical

2018年7月27日0:50 WSPC/指令文件手稿复杂系统进展c 世界科学出版公司（World Scientic Publishing Company）统计验证了外汇市场中的超前滞后网络和库存预测Damien ChalletletLaboratoroire MICS，CentraleSupélec，UniversitéParis Saclay，91190 Gif sur Yvette，FranceandEncelade Capital SA，EPFL Innovation Park，Building c，1015 Lausane，Switzerlanddamien。challet@centralesupelec.frR'EMY CHICHEPORTICHECapital Fund Management，23，rue de l\'Université，75007 Paris，FranceMEHDI LALLOUACHEBNP Paribas，20，boulevard des Italiens，75009 Paris，FranceSERGE KASSIBRAKISSwissquote Bank SA，chemin de la Crétaux 33，1196 Gland，SwitzerlandredReceived（接收日期）Revised（修订日期）我们引入了一种方法来推断复杂系统中代理人行为的超前-滞后网络。这些网络为此类系统的微观和宏观状态预测开辟了道路。我们将此方法应用于外汇市场中的交易员解析数据。我们表明，这些网络具有显著的持久性，这解释了为什么以及如何从交易员解析的数据中预测订单流量。此外，如果交易者的行为取决于过去的价格，那么交易者支付的平均价格的演变也可能是可预测的。通过使用随机森林，我们验证了在每小时的时间尺度上，对于散户投资者来说，订单流量信号和平均交易价格方向的可预测性都很强，这与经纪人和订单匹配引擎非常相关。最后，我们认为交易者超前-滞后网络的存在以一种自我参照的方式解释了为什么给定交易者变得活跃，这与大多数交易活动具有内生起源的事实是一致的。关键词：超前滞后网络；交易员解析数据；外汇；预言库存管理。1.

引言预测复杂系统的演化具有极大的实际意义，但由于其非线性集体动力学，以及在实践中，其元素之间相互作用的先验未知网络，因此很难预测复杂系统的演化（参见[29，36]）。确定主体的潜在因果作用结构是理解给定系统动力学的重要第一步，也是评估实际结构类型的重要第一步2018年7月27日0:50 WSPC/指令文件手稿2 CHALLET、CHICHEPORTICHE、LALLOUACHE、Kassibrakis对复杂系统未来状态的信息。假设一些代理的行为触发了其他（或相同）代理的行为，我们在此提出了一种通用方法来推断这种因果超前-滞后活动网络，并利用机器学习方法来利用它们的存在，从而预测宏观量的动力学。虽然该方法是通用的，但我们在此重点关注金融市场，因为交易员的行为会导致最大程度的不可预测动态，因为他们都试图尽可能多地学习，以利用任何潜在的可预测性[4]。在最不可预测的复杂系统中，当考虑到代理超前滞后活动网络时，动态变得可预测，这一事实证明了我们方法的潜力。由于相当大比例的金融活动是内生的[12，19]，即由过去的活动触发的，我们将说明如果交易者超前-滞后活动网络足够持久，金融市场是如何变得可预测的。虽然大多数可用的财务数据都是完全匿名的，但一些财务参与者（如经纪人）可以访问交易员解析的数据：每个订单都有一个客户识别号。

经纪人有兴趣针对未来的价格变动或大量不平衡（买卖）管理与其临时库存相关的风险。订单不平衡或交易员解析数据的平均交易价格变化带来了多大的可预测性，这是一个悬而未决的问题。在此，我们认为，金融市场等复杂系统的可预测性部分归因于交易员行为之间的系统性超前滞后的潜在结构。由于经纪人生成的数据数量大、质量高，金融市场为我们介绍的新方法提供了一个理想的试验场，并说明了这一观点。这项工作与几种类型的市场参与者有关，他们试图通过将一些订单流保存在库存中来匹配买卖订单流（异步提交）。因此，如果传入订单可以与当前库存相匹配或添加到当前库存中，并可用于未来匹配，则可能会发生订单交叉，这可能会在多个级别上发生。例如，投资者的两种策略可能在大约相同的时间对同一资产持有相反的观点，在这种情况下，内部交叉可以节省交易费用，减少不确定性。如果需要将anorder发送给交易所，则可以在交叉网络（crossingnetworks）、暗池（dark Pool）甚至交易所内部的匹配系统（如纽约泛欧交易所（NYSE Euronext）的IMS）中进行匹配【20】。在这种情况下管理库存是非常重要的，因为保存库存是有风险的。标准方法是解决随机优化问题，并在给定的时间范围内最小化某些成本函数（例如，达到库存限额的风险或概率），通常采用随机过程，订单流量和未来价格都不具有任何可预测性。

在此，我们将这种情况视为一个在线预测问题，并说明如何识别订单来源，从而能够预测零售客户的订单流量和成交量加权平均价格（VWAP）的方向。因此，我们在此重点关注能够识别2018年7月27日0:50 WSPC/指令文件手稿的匹配引擎。经统计验证的超前滞后网络和外汇市场库存预测3订单来源（战略、投资者、经纪人等）。我们将订单流量和VWAPdirection预测与交易者超前滞后网络的存在和持续性联系起来，该网络编码了一些交易者（如买入）的活动如何系统地领先于其他交易者（如卖出）。我们的第一个贡献是引入一种无监督的方法来推断这种网络，这种网络足够通用，可以应用于订单交叉的所有层面，也可以应用于非金融环境，在这种环境中，客户对项目选择的相似性可以用来预测未来的行动。该方法首先根据交易者与[38]方法的同步性将交易者分组，确定每组的聚合状态（买入/卖出/中性），然后将相同的方法应用于滞后的组状态，以检测组间的系统领先滞后。虽然同步性可能是由于使用相同的策略或相同的信息源，或两者兼而有之，但超前-滞后网络可能是由各自策略的不同反应速度造成的（例如，两个具有不同参数的移动平均数）；另一种解释是，一些交易者对常见信息的反应有不同的延迟【6，24】。如果这些交易者超前-滞后网络具有足够的持续性，则某些数量是可以预测的。首先，如果集团状态（买入/卖出/中性）是部分因果关系，则订单流量是可预测的。

此外，适当的库存管理还需要预测价格方向。因此，我们的第二个主要贡献是评估订单流量和价格方向的可预测性。只研究了最简单的预测场景：我们试图从每个交易者组的全球状态（买入、卖出、中性）预测每个数量的符号及其滞后值。换句话说，我们将预测从离散变量简化为分类问题，并使用标准的机器学习方法。这种设置既粗糙又健壮。重点不是提供一种专门调整的方法来管理经纪人的库存，而是提供证据，证明超前滞后交易者网络的持续性有助于成功预测。1.1。文献综述我们的贡献涉及与订单流量细分、可预测性和知情做市商的库存控制相关的几个财务领域。第一个广泛的相关领域是存在可预测订单流的做市。在市场微观结构的背景下，元指令在市场指令符号的长期记忆中的作用已得到充分证明[31，5]。个人交易者的订单流量已知与之前的每日或每周价格回报呈负相关【17，25】。一个相关的话题，虽然与我们的贡献没有那么直接的关系，但它是订单流量对其他数量的预测能力，而不是价格回报率[26]。在早期文献中，市场做市商被认为是在与信息交易者对抗，而对市场秩序迹象的长期记忆导致了一种新的最佳做市范式[1]。

内部订单匹配不同于交易所做市，因为人们可以在交易所清算部分库存，尽管交易成本不可忽视[15]。2018年7月27日0:50 WSPC/指令文件手稿4 CHALLET、CHICHEPORTICHE、LALLOUACHE、KASSIBRAKISTrader通常根据其在金融市场中的角色进行分组（如个人投资者、机构投资者等）。然后计算整个子种群的平均属性【17、23、18、2】。另一方面，无监督聚类依赖于事后确定的贸易商行为的相似性。最简单的方法是计算交易者库存变化的相关矩阵；然后，将主成分分析与随机矩阵理论（用于说明可用时间序列的有限长度）结合使用，以提取随机谱之外的特征值【41,32,40】。事实证明，在一天的时间尺度上，只有一个或两个特征值超出了噪声谱，其中最大的特征值与之前的价格回报相关。这使得我们可以将交易者分类为均值回复（大多数）、趋势跟踪和不可分类。这种方法的缺点是，线性相关不能反映交易者的全部相关结构。此外，它还确定了贸易商类别的数量。另一种方法是统计验证网络（SVN）[39]，它包括根据两个代理的活动和不活动周期的同步和相似程度计算两个代理之间的相似性得分。如果可能状态（活动、非活动等）的数量很小，这种方法是通用的，并且效果很好：一种方法确定同步性的p值，并以统计上合理的方式在两个代理之间建立链接。

一旦测试了所有代理对之间的所有链接，就可以获得完全同步的代理网络。[38]芬兰交易员群体在日常时间尺度上的同步程度令人惊讶。交易者之间的超前-滞后关系研究得更少。由于缺乏可用的交易者解决数据，文献集中于价格回报之间的超前-滞后关系[27、37、21、10]。交易者之间的超前-滞后关系在反转行为的不同时间尺度下进行了讨论【6，24】。我们不知道有任何关于交易者之间超前-滞后的无监督推断的工作。2、数据描述和注释我们处理来自两个独立来源的外汇交易数据集：大型交易银行（LB hereaftera）和经纪交易商（Swissquote BankSA，SQ hereafterb）。有关FXmarket组织的更多详细信息，请参阅[20]。这两个数据集都包含特定时期内客户所有交易的信息：匿名客户识别号、毫秒精度的交易时间、交易货币对、签名交易量和价格（currencyaLB的电子市场标记台为商业公司等大客户提供货币汇率的流动性（即报价和交易量），金融机构、养老基金、对冲基金。bSQ是数千种金融工具的在线经纪人，在瑞士的全球外汇活动中占有很大的市场份额。其客户范围从散户投资者到资产管理人和机构。2018年7月27日0:50 WSPC/指令文件手稿外汇市场中经统计验证的超前滞后网络和库存预测5Dataset Timespan Instruments Traders 2012年1月31日→ 2012年8月10日68>10>10SQ 2014-6 2014年7月1日→ 2016年3月15日206>10>10磅2013年1月1日→ 9月17日。

2014年12月>10月>10日表1。数据集的基本统计信息。数据集Pair Traders TradesSQ 2012欧元兑美元>10>5×10SQ 2014-6欧元兑美元>10>10欧元兑英镑>5×10>5×10USD兑日元>10>10LB欧元兑美元7300 5×10表2。三对研究对象数据集的基本统计数据。费率）。表1总结了数据集的结构和内容。本文仅关注交易量最大的交易对。因此，表2给出了所研究对的描述性统计数据。出于一致性原因，我们无法为SQ.2.1提供更精确的数据。每名交易员的交易数量据报告，股票市场中给定资产的每名交易员每年的交易数量n具有重尾，可以用幂律近似（n）~ n-带尾部指数α’2的α[38]。这意味着一些交易者比其他交易者更活跃，这意味着关注最活跃的交易者可能会大大简化对未来订单流的预测。我们发现，在过去20年的时间里，幂律仍然适用于外汇市场；使用[9]中介绍的方法（另见[16]）估计每种货币和每年的指数α。对于给定的货币对，我们筛选出了不到1000名交易员活跃的年份，这留下了53个估计值。我们在最大的数据集（SQ 2014-6）中发现α平均值为1.99±0.07（95%置信区间）。2.2。交易规模LB和SQ各自客户的不同性质影响典型的交易规模。对于SQclients，我们以基础货币1000的倍数呈现结果，对于LB clients，我们以100000的倍数呈现结果。在图中。

1，我们绘制了2018年7月27日0:50 WSPC/指令文件手稿6 CHALLET、CHICHEPORTICHE、LALLOUACHE、KASSIBRAKIS0 5 10 15 20 25卷（千）频率（%）1 15 30 45 60 75 901 2 5 10 500.2 0.4 0.6 1.00 5 10 15卷（十万）频率（%）1 15 30 45 60 75 901 2 5 10 500.02 0.10 0 50索引1- e（rx）图1。欧元兑美元贸易规模分布。左：平方。右：磅。插图：累积尾部分布，对数-对数比例。欧元兑美元的交易规模。其他对也得到了类似的结果。我们观察到圆形大小的峰（10,20,50，…），SQ比forLB的影响更大，这与其客户大多是个人交易员这一事实相一致，因此比机构交易员更容易受到心理偏见的影响（参见[28]中外汇EBS市场对这一现象的讨论）。3、超前-滞后网络的推断虽然超前-滞后网络可以在代理之间确定，但对交易者进行聚类可以简化超前-滞后网络的可视化，并且在校准机器学习方法之前非常有用（也是一个标准程序），如果两个或多个预测值非常相关，则机器学习方法通常会混淆。这里就是这样：因为许多外汇交易员都是算法交易员，当他们使用相同的算法时，他们的活动/不活动非常相似。因此，分组交易者对同一组策略（包括新闻来源）的系统使用进行编码，并不会降低我们方法的预测能力。3.1。根据交易者的同步性对交易者进行聚类由于我们提出的超前-滞后方法是SVN的扩展，因此有必要对该方法进行详细说明。3.1.1。方法【39】中引入了统计验证网络（SVN），并将其应用于【38】中的芬兰投资者聚类。