微型闪存崩溃的影响和恢复过程：一项实证研究

这表明，在大约2%的欧洲经济体中，价格下跌趋势与火山灰崩塌密切相关，这可能被视为相关极端事件的“余震”。对于飞灰尖峰来说，情况似乎并非如此。图6：概率P（ηn≥ 0.8）和P（ηn≤ 0.2）对于事件“UEE至少分别恢复了80%或20%”，而对于FL ash崩溃（黑色）和FL ash尖峰（灰色），UEE结束后的交易数量为n。3、讨论我们发现2007年和2008年共有5529名UEE。金融部门显然占据主导地位，平均每家公司33.35 UEE。我们的分析支持这样一个观点，即流动性较低的股票更有可能产生较大的价格变化，从而导致UEE。区分FL ash碰撞和FL ash峰值，观察后者的概率高出7%。关于UEE的频率，每秒发现一个以上的UEE并不罕见。事实上，发生这种情况的概率大约为9%。Johnson等人发现，尤其是在金融危机时期，UEE的总频率激增。为了分析UEEs发生的机制，我们区分了两种微观解释。一方面，Johnson等人[13]提出的情景包括一个新的全机器阶段，在这个阶段，许多小型市场订单的出现——考虑到时间尺度——只能与HFT联系在一起。另一方面，我们假设已经很大的市场订单能够在一个典型的UEE内引起观察到的价格变化，这与Golub等人的意见不一致。这将相反地表明，不仅是算法，而且人类交易者也可能触发UEE。在我们的分析中，约60%的UEE包含一个已经产生0.5%回报的市场订单，这一事实证实了这种解释。

与第一种认为UEE完全由HFT驱动的情景相反，大型市场订单起主要作用的观察结果表明，情况并非如此。因此，我们的分析不能证实Johnson等人的结论。然而，值得一提的是，我们分析中的时间分辨率仅限于1秒。因此，希望以毫秒精度进行此类分析。在调查了UEE的可能原因后，我们研究了它们对后续交易的影响。正如人们预计的那样，随着未来总交易量的增加，UEESRIES的恢复量也会增加。然而，与UEE出现之前的价格水平相比，30%的UEE中有一小部分的回收率不到20%。关于大约25%的UEE在一次交易后几乎恢复的事实，订单动态中一定有导致这一观察的过程。在这一点上，有人可能会争辩说，这应该与UEE的不同类型有关，因为它们对以下交易的影响可以尝试分类，作为Nokerman所建议的现有分配的扩展【17】。快速的价格复苏表明，泡沫崩溃并没有反映投资者的看法，而是持续时间很短的事故，可以迅速修复，另见Christensen等人【29】。在这个方向上，有趣的进一步问题是长期价格影响、一只股票的价格暴跌对其他股票价格的影响【38】以及余震【39】。感谢Rudi Sch¨afer和Thilo Schmitt在项目的初始阶段进行了富有成效的讨论并提出了有益的建议。参考文献[1]Breuer A.高频交易环境中订单动态的实证分析。霍恩海姆大学研究所；2012年【2】Hendershott T，Riordan R。

算法交易和流动性市场。金融与定量分析杂志。2013;48(4):1001–1024.[3] Hendershott T，Riordan R.算法交易和信息。工作纸。2009;.[4] Harris L.订单敞口和寄生交易者。南加州大学。1997;.[5] Boerse D.XETRA Rundschreiben 171；2004http://www.xetra.com/blob/1198844/2ef8784bfac089e2117c97f90ba63efc/data/171_04d.pdf.[6] 福柯T.高频交易的风险在哪里？财务稳定性审查。2016;(20):53–67.[7] 摩尔GE。将更多元件塞进集成电路。电子学1965;38(8).[8] 超级计算机性能开发；2016http://top500.org/statistics/perfdevel/.[9] Young M、Fleck B、Kiessling A、Kowarschik R、Rehn H、Wenke L.Optik、Laser、Wellenleiter。施普林格柏林海德堡；1997年【10】Zydra M.Hochfrequenzhandel-Schneller als Menschen；2015年。可从以下网址获得：http://www.sueddeutsche.de/wirtschaft/hochfrequenzhaendler\\自由支配{-}{}{}der-blitzangriff-1.2623740。[11] 引发股市“海啸”的高科技军备竞赛；2014年。可从以下网址获得：http://edition.cnn.com/2014/08/13/opinion/stock-market-tsunamis/.[12] 霍尔丹公司。零排放竞赛。主题：全球宏观经济与金融。斯普林格；2012年，第245-270页。[13] Johnson N，Zhao G，Hunsader E，Qi H，Johnson N，Meng J，等。超越人类响应时间的新机器生态学的突然兴起。科学报告。2013;3:2627. 内政部：10.1038/srep02627。[14] Serritella DM。高速交易催生高速监管：应对金融危机、鲁莽。U Ill JL Tech&Pol\'y.2010；p、 433页。[15] Nanex UEE数据；2017年。可从以下网址获得：http://www.nanex.net/FlashCrashEquities/FlashCrashAnalysis_Equities.html.[16] Golub A、Keane J、Poon SH.高频交易和小型金融崩溃。arXiv预印本arXiv:12116667。2012;.[17] Nokerman C.“小型飞机碰撞分类法”。

卢万管理学院；2015年。【18】Easley D，De Prado MML，O\'Hara M.“流动性崩溃”的微观结构：流动毒性、流动性崩溃和informedtrading的概率。投资组合管理杂志。2011;37(2):118–128.[19] Andersen TG、Bondarenko O.VPIN和金融危机。《金融市场杂志》。2014;17:1–46.[20] Cespa G，Foucault T.《非流动性传染和流动性崩溃》。复习金融研究。2014;27(6):1615–1660.[21]Brush S，Schoenberg T，Ring S.一个有算法的神秘交易者是如何导致闪电崩盘的；2015年【22】Kirilenko A、Samadi M、Kyle AS、Tuzun T.《闪电崩盘：高频交易对电子市场的影响》。SSRN预印本。2011;.[23]Johnson N，Zhao G，Hunsader E，Meng J，Ravindar A，Carran S，et al.《超快机器生态驱动的金融黑天鹅》。工作文件。2012;.【24】Pan W、Pentland AS、Cheng R、Emsbo Mattingly L.高频交易能推动股市吗？麻省理工斯隆管理评论。2013;54(4):16.【25】Hofstetter Y.Das systemische Risiko der Dummheit。法兰克福Allgemeine Zeitung。2013;240:25.【26】Filimonov V，Sornette D.量化金融市场的流动性：预测金融崩溃。《物理评论》E.2012；85(5):056108.【27】Hardiman S，Bercot N，Bouchaud JP。金融市场的关键反应：霍克斯过程分析。欧洲物理杂志B：凝聚态物质和复杂系统。2013;86(10):1–9.[28]Madhavan A.交易所交易基金、市场结构和金融危机。《金融分析师杂志》。2012;68(4):20–35.【29】克里斯滕森K，奥门RC，波多尔斯基M。事实或摩擦：超高频跳跃。金融经济学杂志。2014;114(3):576–599.【30】Bouchaud JP、Gefen Y、Potters M、Wyart M.《金融市场的波动和反应：随机价格变化的微妙性质》。定量融资。

2004;4(2):176–190.【31】Bouchaud JP、Farmer JD、Lillo F.市场如何缓慢消化供求变化。In：Hens T，Schenk Hopp KR，编辑。金融市场手册：动态和演变。金融手册。圣地亚哥：北荷兰；2009年，第57-160页。可从www.sciencedirect获取。com/science/article/pii/b978012374258250063。【32】T’oth B、Lemperiere Y、Deremble C、De Lataillade J、Kockelkoren J、Bouchaud JP。异常价格影响和金融市场流动性的关键性质。《物理评论》X.2011；1(2):021006.[33]Friedman D，Rust J.双重拍卖市场。高级图书计划；1993年[34]Johnson B.算法交易与DMA。4Myeloma出版社；2010年[35]高C.股票的高频交易、隐藏订单和市场质量。新泽西州立大学罗格斯分校；2015年[36]TAQ数据；2017年。可从以下网址获得：http://www.nyxdata.com/data-products/daily-taq.【37】Golub A，Keane J.迷你闪光崩溃；2011年。【38】Wang S，Sch¨afer R，Guhr T。相关金融市场的交叉反应：个股。《欧洲物理杂志B》，2016年；89(4):1–16.[39]Petersen AM、Wang F、Havlin S、Stanley HE。金融冲击前后的市场动态：量化Omori、生产率和巴斯定律。《物理评论》E.2010；82(3):036114.