美国股票开盘和收盘拍卖的动态规律

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：
《Dynamical regularities of US equities opening and closing auctions》
---
作者：
Damien Challet and Nikita Gourianov
---
最新提交年份：
2018
---
英文摘要：
  We first investigate the evolution of opening and closing auctions volumes of US equities along the years. We then report dynamical properties of pre-auction periods: the indicative match price is strongly mean-reverting because the imbalance is; the final auction price reacts to a single auction order placement or cancellation in markedly different ways in the opening and closing auctions when computed conditionally on imbalance improving or worsening events; the indicative price reverts towards the mid price of the regular limit order book but is not especially bound to the spread.
---
中文摘要：
我们首先研究了美国股票开盘和收盘拍卖量多年来的演变。然后，我们报告了拍卖前阶段的动态特性：指示性匹配价格是强均值回复的，因为不平衡是；在开盘和收盘拍卖中，当根据不平衡改善或恶化事件有条件计算时，最终拍卖价格对单个拍卖订单下达或取消的反应方式明显不同；指示性价格恢复到常规限额订单的中间价格，但并不特别受价差的约束。
---
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：
--> Dynamical_regularities_of_US_equities_opening_and_closing_auctions.pdf (1.44 MB)

2022-6-6 20:21:51 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：cancellation Quantitative agent-based conditional QUANTITATIV

2018年10月8日0:56 WSPC/INSTRUCTION FILE Auctions美国股票开盘和收盘的动态规律Damien ChalletMath\'ematiques et Informatique pour la Complexit\'e et les Syst\'emes，CentraleSup\'elec，Universit\'eParis Saclay，3 rue Joliot Curie，91192 Gif sur Yvette，Francencelade Capital SA，Innovation Park Building C，EPFL，1015 Lausane，英国联合王国牛津大学帕克斯路克莱伦登实验室牛津大学瑞士尼基塔·古里亚诺夫物理系我们首先调查了美国股票开盘和收盘拍卖量多年来的演变。然后，我们报告了拍卖前阶段的动态特性：指示性匹配价格是强均值回复的，因为不平衡是；当根据不平衡改善或恶化事件进行有条件计算时，最终拍卖价格对开盘和收盘拍卖中的单个拍卖订单下达或取消的反应明显不同；指示性价格恢复到常规限额订单的中间价格，但并不特别受价差的约束。关键词：拍卖；美国股票；线性响应；不平衡流动性1。简介许多股票交易所使用拍卖来确定与大量流动性相关的有意义的开盘和收盘价格，并减少开盘和收盘时间附近的价格波动。尽管这些拍卖具有重要的实际意义，而且在开盘和收盘时交易的相对价格一直在稳步增长，如下所示，但这些拍卖最近并没有吸引太多的工作，因为社区的注意力集中在价格发现问题和日内动态上。文献中的一个中心问题是拍卖的有用性。

一个标准是市场质量，例如定义为开盘拍卖后或收盘拍卖前价格和买卖价差的波动性。通常，拍卖会提高市场质量（参见Pagano和Schwartz（2003）、Chelley Steeley（2008）、Pagano等人（2013））。我们的重点是拍卖本身，尤其是前期阶段。与我们密切相关的论文屈指可数。Gu et al.（2008）发现了深圳证券交易所参考价格两侧的仓位订单安排的幂律尾密度；Kissell和Lie（2011）报告了拍卖量相对于总日交易量的平均分数2018年10月8日0:56 WSPC/指令文件拍卖及其对特殊日期（月末、季末等）和美国股票资产资本化的依赖性。Gu等人（2010）报告称，最终拍卖价格两侧的拍卖限额订单簿的平均密度符合指数分布，并计算了深圳证券交易所订单规模的持续波动特性。最近，Boussetta et al.（2016）对法国证券交易所进行了研究，发现不同类型的市场参与者在明显不同的时间进入拍卖前阶段，缓慢的经纪人首先行动，而高频交易者往往在拍卖结束后更为活跃。同样，Bellia等人（2016）展示了低延迟交易者（被认定为高频交易者）在东京证券交易所开盘前拍卖中如何以及何时添加或移除流动性。Lehalleand Laruelle（2018）在一章中以与我们相似的精神，特别是关于典型的日常活动模式，专门讨论了拍卖。

最后，Challet（2019）表明，在巴黎证券交易所，拍卖时间附近事件率加速和典型指示性价格波动率下降的对抗性影响无法解释观察到的指示性价格的差异性，这可能是由于战略行为。本文的组织结构如下：我们首先确定在两个拍卖结束时间匹配订单的数量分布。然后，我们找到了交易规则，以根据每日数据估算开盘和收盘交易量。最后，我们考察了指示性价格、失衡和匹配量的动态。我们特别指出，在开盘和收盘拍卖中，最终拍卖价格对下单或取消订单的反应明显不同，指示性拍卖价格大多存在差异，尤其是在交割前时期。最后，我们将指示性价格的动态与有限订单簿的动态联系起来：虽然中间价格确实吸引了指示性价格，但后者的波动幅度相当大，不一定会出现价差，这是由于拍卖订单簿的稀疏性。2、数据每家交易所遵循自己的拍卖规则和拍卖前信息发布程序。然而，所有拍卖的基本原则都是一样的：贸易商可以提交拍卖的市场订单（以任何价格购买/出售给定数量），或者限制订单（以给定价格购买/出售给定数量），这些订单可能仅对拍卖有效，或者如果不匹配，则保留在拍卖后的公开市场订单簿中。

最后，确定匹配价格，以最大化匹配数量；如果该价格不是唯一的，则选择与前一收盘价最接近的价格。2018年10月8日0:56 WSPC/指令文件拍卖什么样的订单以及何时发送，然而，纽约证券交易所Arcaa（以下简称ARCA）、纽约证券交易所和NASDAQ之间存在显著差异。例如，在ARCA的收盘拍卖期间，限额和市场拍卖订单（分别称为LOC和MOC）可在拍卖时间前一分钟发送，然后在最后一分钟，仅接受减少不平衡的订单。对于纳斯达克而言，LOC/MOC订单的截止时间已于2017年10月减少至5分钟。截止时间是纽约证券交易所交易结束前10分钟，这将增加自由裁量报价（D-quotes），这可能会覆盖平衡降价订单；它们在拍卖时间前5分钟添加，可在拍卖时间前10秒内提交或修改，并可随时取消。虽然这些差异对匹配量的衡量没有直接影响，但它们可能会在拍卖时间附近改变动态特性。因为只有ARCA不断传播信息，我们无法记录这些差异。我们使用来自三个不同来源的三个数据：（1）单个匹配订单大小。对于ARCA上交易的资产，我们的汤森路透Tick History数据集包括2009年2月10日至2014年7月1日期间拍卖量的逐笔细分。对于fix符号，vxα，k，dis是拍卖x第d天第k个匹配资产α订单的数量（以股份计）∈{打开，关闭}。此数据集包含16165407个订单。（2） 从汤森路透逐笔交易数据中收集的三家交易所每场拍卖的每日匹配交易量。我们用Vxα，d表示d天证券α拍卖x的总匹配量。

根据定义，Vxα，d=PNxα（d）k=1vxα，k，dw其中，Nxα（d）是在d天生产资产α时的匹配订单数。我们还应通过pxα表示拍卖价格，该数据集包括2010-01-01至2016-11-30期间的4712项美国资产，其中公开和非公开拍卖（各3125786项），其中ARCA 179669项（6%），纳斯达克446396项（14%），纽约证券交易所2499721项（80%）。（3） 最后，我们收集了三家交易所从2016年9月28日至2018年1月12日发布的1076项资产的实时信息。该信息包括指示性价格πxα，d（t）、该价格下的当前匹配量wxα，d（t）和当前不平衡Ixα，d（t），定义为指示性价格下的市场订单不平衡和限额订单不平衡之和。虽然Lenyse和NASDAQ每场拍卖仅发布这些数量的几张快照，但ARCA每天为每场拍卖发布多达数千条最新信息。ARCA数据集包含58个股票代码的47246490个更新。我们的dataahttps://www.nyse.com/publicdocs/nyse/markets/nyse-arca/NYSE_Arca_Auctions_Brochure.pdf，访问日期：2018年9月21日bhttps://www.nyse.com/publicdocs/nyse/markets/nyse/NYSE_Opening_and_Closing_Auctions_Fact_Sheet.pdf.，访问日期：2018年9月21日。chttps://www.nasdaqtrader.com/content/TechnicalSupport/UserGuides/TradingProducts/crosses/openclosequickguide.pdf，访问日期：2018年9月21日。2018年10月8日0:56 WSPC/指令文件拍卖1e-051e-031e-011e+05 1e+07 1e+09订单值P>（x）当雷达关闭时20121e-041e-021e+001e+05 1e+07订单值P>（x）当雷达关闭2012年IG时。1.

2012年ARCA交易的两种流动性最强的资产的公开拍卖、封闭拍卖和日内交易的所有交易价值的互惠经验分布函数。提供商限制每秒更新4次左右；虽然这在大多数情况下是足够的，但在SPY等流动性很强的资产的拍卖时间附近，这就变得不够了。3、匹配量我们首先关注拍卖量的相当程式化的属性，然后转向对拍卖前动态的详细分析：指示性价格、数量、活动率以及与常规限额订单簿的关系。3.1. 单订单属性图1显示了两次拍卖中匹配订单交易价值（定义为pxα、dVxα、dat）的倒数经验分布函数，以及SPY和GLD公开市场交易价值的倒数经验分布函数，SPY和GLD是整个2012年在ARCA上交易的最具流动性的资产。与开放市场交易相比，开盘和收盘拍卖的分布显然受截断的影响更大，开盘拍卖的影响更大。在某种程度上，它们反映了这样一个事实，即在封闭式拍卖中的典型总交易量大于开放式拍卖。这就提出了单日匹配订单分布的性质问题：P（pxα，dVxα，d）的重尾性质是来自日变化还是来自单订单价值分布本身的分布？可通过指数和对数正态分布拟合，并使用Vuong贴近度检验（Vuong 1989）来评估后者是否有重尾。我们每天和每次拍卖都有100多个匹配订单，总计29168次拍卖。

有压倒性的证据表明存在重尾，按照惯例，这与小p值相对应：约92.8%的拍卖分布的p值小于0.01，而只有0.1%的p值大于2018年10月8日0:56 WSPC/指令文件auctions02460.00 0.25 0.50 0.75 1.00Vuong测试p-ValueDensityVariableLogNormalExponentialRuncated p.l.open拍卖03690.00 0.25 0.50 0.75 1.00Vuong测试p-ValueDensityVariableLogNormalExponentialRuncated p.l.close拍卖图。2、根据对数正态、指数和截断幂律的Vuong幂律检验p值评估的每项资产每天的单个匹配订单量分布的尾部。大于0.99。接下来，我们检查哪个分布最能描述尾部。我们使用Clauset et al.（2009）、Alstott et al.（2014）的方法来确定幂律尾的最佳起始点，然后研究幂律尾与对数正态、指数和截断幂律分布的比较。图2绘制了幂律和其他候选人之间Vuong检验的p值密度，计算了每天、每只股票和每次拍卖的100多个匹配订单。不出所料，它证实了尾巴的厚尾特性。最后，它表明幂律和对数正态分布之间没有真正的差别，而截断的幂律不会带来显著的平均改善。3.2. 期初、收盘和日交易量与拍卖交易量相比，给定资产的总日交易量是免费提供的。因此，我们在此试图找到一条经验法则，仅从每日数据推断开盘和收盘拍卖量。

让我们重点关注拍卖量与每日总交易量的比率，用ρxα表示，d=Vxα，dVtotalα，d，其中Vtotalα表示d天内的总交易量，包括拍卖、OTC交易和正常交易时间以外的交易。我们从2010年1月1日至数据集结束期间的平均值开始。图3绘制了三个交易所每天和每种资产的对数密度（ρ）。纽约证券交易所观察到开盘和收盘之间的最大差异，可能是因为它不是完全自动化的。例如，开盘拍卖的结束时间不是固定的，可能发生在交易所开盘后几分钟。值得注意的是，相对于其他交易所，纽约证券交易所的收盘交易量占交易量的比例迄今为止最大。纳斯达克在集合和拍卖之间的波动性最小。我们还在同一张图中绘制了各资产的中等收入比率密度，以评估2018年10月8日0:56 WSPC/指令文件拍卖的内在多样性0.000.250.500.751.001.25-4.-3.-2.-1 0log10（ρ）densityexchangeARCANASDAQNYSEopen拍卖0.00.51.01.5-4.-3.-2.-1 0log10（ρ）densityexchangeARCANASDAQNYSEclose拍卖012-4.-3.-2.-1 0log10（中值（ρα））densityexchangeARCANASDAQNYSEopen拍卖，资产中介0123-4.-3.-2.-1 0log10（中值（ρα））densityexchangeARCANASDAQNYSEclose拍卖，资产medianFig。3、上图：拍卖量与每日总交易量的对数比率密度ρxα，d=Vxα，dVtotalα，df，每日和每项资产，按交易所分割。下图：资产密度中值对数比率，按交易所分割。对数ρα，dARCA NASDAQ NYSEopen-1.72 ± 1.24 -1.51 ± 0.79 -1.61±0.90关闭-1.78 ± 1.47 -1.15 ± 0.82 -0.91±0.60平均值（对数ρ）ARCA NASDAQ NYSEopen 0.019 0.031 0.024损失0.017 0.071 0.12表1。

左表：按交易所分割的每笔拍卖记录体积比ρα，d的平均值和两个标准差。右表，资产之间的典型体积分数10平均对数ρα比率。再次指出，ARCA组之间的体积比变化最大。纳斯达克首场拍卖的资产波动性最小，而纽约证券交易所的收盘拍卖量波动性最高，紧随其后的是纳斯达克。这为所有资产带来了简单的经验法则：2010年至2016年，纽约证交所收盘时，每日交易量的12%，纳斯达克开盘时的3%，纳斯达克收盘时的7%。ARCA体积比的密度太大，无法用简单的经验法则来总结。然而，这是7年多以来确定的静态图像。为了避免计算特殊天数，我们使用了中位数。参见Kissell和Lie（2011）forestimates，了解与这些日子相关的典型变化。2018年10月8日0:56 WSPC/指令文件拍卖-2-1.5-1-0.50.02000 2005 2010 2015年Median（log10（VopenVdaily））exchangeARCANASDAQNYSEO p e n a u c t i o n-2-1.5-1-0.50.02000 2005 2010 2015年Median（log10（VcloseVdaily））exchangeARCANASDAQNYSEC l o s e a u c t i o nFig。（四）拍卖成交额的月度中位数除以每日成交总额；资产少于100的月份已被过滤掉；左图：开放式拍卖，右图：封闭式拍卖。拍卖中的交易量大致不是恒定不变的。图4绘制了拍卖量的月平均分数除以总日交易量作为时间函数的曲线图（已过滤掉资产少于100个月的月份，这基本上消除了ARCA和NASDAQ时间序列的开始。