日内流动性的横截面变化、横截面影响及其

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：
《Cross-Sectional Variation of Intraday Liquidity, Cross-Impact, and their
  Effect on Portfolio Execution》
---
作者：
Seungki Min, Costis Maglaras, Ciamac C. Moallemi
---
最新提交年份：
2018
---
英文摘要：
  The composition of natural liquidity has been changing over time. An analysis of intraday volumes for the S&P500 constituent stocks illustrates that (i) volume surprises, i.e., deviations from their respective forecasts, are correlated across stocks, and (ii) this correlation increases during the last few hours of the trading session. These observations could be attributed, in part, to the prevalence of portfolio trading activity that is implicit in the growth of ETF, passive and systematic investment strategies; and, to the increased trading intensity of such strategies towards the end of the trading session, e.g., due to execution of mutual fund inflows/outflows that are benchmarked to the closing price on each day. In this paper, we investigate the consequences of such portfolio liquidity on price impact and portfolio execution. We derive a linear cross-asset market impact from a stylized model that explicitly captures the fact that a certain fraction of natural liquidity providers only trade portfolios of stocks whenever they choose to execute. We find that due to cross-impact and its intraday variation, it is optimal for a risk-neutral, cost minimizing liquidator to execute a portfolio of orders in a coupled manner, as opposed to a separable VWAP-like execution that is often assumed. The optimal schedule couples the execution of the various orders so as to be able to take advantage of increased portfolio liquidity towards the end of the day. A worst case analysis shows that the potential cost reduction from this optimized execution schedule over the separable approach can be as high as 6% for plausible model parameters. Finally, we discuss how to estimate cross-sectional price impact if one had a dataset of realized portfolio transaction records that exploits the low-rank structure of its coefficient matrix suggested by our analysis.
---
中文摘要：
自然流动性的构成一直在变化。对标准普尔500成分股的日内成交量分析表明：（i）成交量意外，即与各自预测的偏差，在各个股票之间存在相关性；（ii）这种相关性在交易日的最后几个小时内增加。这些观察结果可部分归因于ETF、被动和系统性投资策略增长中隐含的投资组合交易活动的普遍性；并且，在交易日结束时，此类策略的交易强度增加，例如，由于执行以每天收盘价为基准的共同基金流入/流出。在本文中，我们研究了这种投资组合流动性对价格影响和投资组合执行的影响。我们从一个程式化模型中得出了一个线性跨资产市场影响，该模型明确地捕捉到了一个事实，即自然流动性提供者中的某一部分在选择执行时只交易股票投资组合。我们发现，由于交叉影响及其日内变化，风险中性、成本最小化的清算人以耦合方式执行订单组合是最优的，而不是通常假设的类似VWAP的可分离执行。最佳时间表将各种订单的执行结合起来，以便能够在一天结束时利用增加的投资组合流动性。最坏情况分析表明，对于合理的模型参数，与可分离方法相比，此优化执行计划的潜在成本降低可能高达6%。最后，我们讨论了如果有一个已实现的投资组合交易记录数据集，该数据集利用了我们分析建议的系数矩阵的低秩结构，那么如何估计横截面价格影响。
---
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：
--> Cross-Sectional_Variation_of_Intraday_Liquidity,_Cross-Impact,_and_their_Effect_.pdf (1.02 MB)

2022-6-11 03:36:42 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：横截面 流动性 Consequences observations Quantitative

日内流动性的横截面变化、横截面影响及其对投资组合执行的影响*Seungki Min Costis Maglaras Ciamac C.Moallemi初始版本：2017年7月；2017年12月当前修订日期：2018年11月15日摘要自然流动性的构成随着时间的推移而变化。对标准普尔500成分股日内成交量的分析表明：（i）成交量意外，即与各自预测的偏差，在各个股票之间存在相关性；（ii）这种相关性在交易日的最后几个小时内增加。这些观察结果可部分归因于ETF、被动和系统投资策略增长中隐含的投资组合交易活动的普遍性；此外，由于此类策略的交易强度在交易日结束前增加，例如，由于执行以每天收盘价为基准的共同基金流入/流出。在本文中，我们研究了这种投资组合流动性对价格影响和投资组合执行的影响。我们从一个程式化模型中得出了一个线性的跨资产市场影响，该模型明确地捕捉到了这样一个事实，即自然流动性提供者中的某一部分在选择执行时只交易股票投资组合。我们发现，由于交叉影响及其日内变化，风险中性、成本最小化的清算人以耦合方式执行订单组合是最佳选择，而不是通常假设的类似VWAP的可分离执行。最佳时间表将各种订单的执行结合起来，以便能够在一天结束时利用增加的投资组合流动性。最坏情况分析表明，对于合理的模型参数，这种优化的执行进度比这种可分离方法的潜在成本降低可高达6%。

最后，我们讨论了如果有一个已实现投资组合交易记录的数据集，该数据集利用了我们的分析所建议的系数矩阵的低阶结构，那么如何估计横截面价格影响。1、简介在过去十年左右的时间里，我们在股票市场经历了一场所谓的资产管理不足的运动，即从主动管理到被动和系统管理的战略。这种资产迁移还伴随着交易所交易基金（ETF）的同步增长。在非常广泛的范围内，此类策略倾向于根据系统的投资组合级程序做出投资和交易决策，例如，根据各自的市值权重按比例投资所有标准普尔500成分股；投资低波动性股票；高贝塔股票；高股息股票；相反，例如，主动策略可能侧重于对单个企业的基本面分析，进而导致对各自股票的自由裁量投资决策。在续集中，我们将被动策略称为“指数基金”策略。*哥伦比亚大学商学院；电子邮件：{smin20，c.maglaras，ciamac}@gsb。哥伦比亚。教育这种投资风格的逐渐转变影响了贸易订单流的性质，这激发了我们随后的分析。我们进行了三次具体观察。首先，被动和系统化策略倾向于产生组合交易订单流，即以协调方式同时执行多个证券订单的交易；e、 在接下来的2个小时内购买5000万美元的标普500指数份额，这涉及同时执行大部分或所有指数成分的购买订单。

其次，被动策略倾向于将其交易活动集中到一天结束时；部分原因是为了关注市场流动性增加的时期，并因为实施此类策略的实际基金必须在每天结束时以收盘市场价格结算其（散户）投资者的买卖指令；ETF产品表现出类似的行为。第三，随着时间的推移，资产所有权的转移和监管环境的变化，反过来又改变了市场中提供自然流动性的组成和策略——这些交易对手要么违背机构投资者的利益出售或购买股票，以清理市场。在§2中，我们将提供一些实证证据，表明标普500成分股成交量之间的成对相关性在整个交易日都是正的，并且在交易日的最后1-2小时内增加了约两倍。也就是说，交易量表现出与确定性预测不同的常见日内变化，这与我们之前的观察结果一致。在本文中，我们研究了在最优交易执行的背景下，投资组合流动性提供的影响。具体而言，我们考虑一个自然流动性提供的程式化模型，该模型将单一股票和投资组合参与者的行为纳入其中，进而形成一个包含交叉证券影响条款的市场影响模型；这些都是由于自然投资组合流动性提供者的参与而产生的。我们制定并解决了一个多期优化问题，以最小化风险中性投资者寻求清算投资组合所产生的预期市场影响成本。

我们描述了耦合的最优策略，即组合中各种订单的清算计划应共同确定，以便合并和利用交叉安全影响现象。我们将最优调度与可分离执行方法进行了对比，其中投资组合中的订单是相互独立执行的；这通常被风险中性投资者所采用。一般来说，可分离执行是次优的，与最优（耦合）解决方案相比，我们得出了次优差距的界限，这可以解释为投资者可以通过优化交叉影响实现的执行成本降低。更详细地说，本文的主要贡献如下。横截面价格影响的程式化模型：假设单只股票和组合流动性准备金的大小在短期交易价格的变化中是线性的，我们表明市场影响本身在交易量向量中是线性的，并描述具有直观结构的效率矩阵：它是一个矩阵的逆矩阵，该矩阵是一个对角线-捕捉单个股票流动性提供者的影响-加上一个（非对角线）低阶矩阵-捕捉组合流动性提供者的影响，该组合流动性提供者被假定为沿着一组portfolioweight向量进行交易，如市场和部门投资组合。交叉影响是投资组合流动性准备金的结果。线性市场影响模型产生二次交易成本，这将允许进行可追溯的下游分析。

该模型的推导表明，只要部分流动性由组合投资者提供，在流动性提供遵循更复杂且可能非线性的策略的情况下，也会产生交叉影响。风险中性最小成本清算的最优交易安排：我们制定并解决了一个最优的多期优化问题，该问题选择了随着时间的推移每个证券中要交易的数量，以便在有限的期限内（在我们的情况下是一天）以最小化累积预期市场影响成本的方式清算目标投资组合。耦合并不像通常的情况那样，是捕获日内价格回报协方差的风险惩罚的结果，而是相关流动性的结果。最佳交易时间表是耦合的，具体而言，包括并利用交叉影响的存在和日内变化。我们确定了可分离执行方法最理想的特殊情况，即：a）如果没有投资组合流动性准备金，或b）投资组合流动性准备金的强度在整个交易日保持不变。最坏情况分析：我们将最优策略与可分离（类似VWAP）执行方法进行比较，并描述最坏情况下的清算组合以及优化解决方案带来的收益的大小。对单一股票和投资组合流动性提供者的混合情况的直接估计，将与日内成交量报告和成交量成对相关性的日内报告相一致，使我们能够回到上述界限的数值，即6%。

最坏情况分析提供了一些关于这种影响可能更明显的环境的直觉。交叉影响的有效估计：我们提出了一个实用的方案，用于估计价格影响的（时变）系数矩阵。对于每对股票之间的所有交叉影响系数的直接估计程序似乎很难实现，因为市场影响模型估计通常具有低信噪比的特点，而且当我们研究股票对时，交易数据越来越稀疏。利用上述风格化影响模型的低阶结构，我们提出了一个仅涉及少数参数估计的程序，例如，每个部门一个参数。我们没有校准交叉影响模型，因为这通常需要访问专有交易信息，但我们指定了一个可以使用的可处理的最大可能性程序。1.1. 文献综述与我们的工作相关的一组论文侧重于最优交易调度，其中投资者考虑了一个动态控制问题，即如何在预定的时间范围内分割大订单的清算，以优化某些性能标准。Bertsimas和Lo（1998）在最小化预期市场影响成本的背景下解决了这个问题，andAlmgren和Chriss（2000）将分析扩展到均值-方差标准；另见Almgren（2003）和Huberman和Stanzl（2005）。Bertsimas和Lo（1998）表明，线性影响模型下的成本最小化解决方案按照股票的预测量比例安排每个订单。在这些论文中，多重证券交易很快被讨论为单一股票执行的延伸，类似的设置可以在最近的研究中找到（例如，Brown et al.（2010），Haugh and Wang（2014））。另一组工作，包括Obizhaeva和Wang（2013）、Rosu（2009）和Alfonsi等人。

（2010），将市场视为一个限额指令簿，并使用市场影响的聚合和样式化模型来捕捉价格如何作为交易强度的函数移动。Tsoukalas等人（2017年）在Obizhaeva和Wang（2013年）的基础上考虑了组合清算问题，包括风险和交叉影响（以一对夫妇的方式改变限额订单中的出价/askprice水平）。最后，与我们的论文最接近的是最近的workMastromatteo等人（2017年），该等人使用具有交叉影响条款的线性成本模型研究了投资组合的执行情况；他们的分析预测，投资组合影响矩阵与收益相关矩阵具有相同的特征向量，并且是平稳的。问题结构允许他们的模型是可估计的-以一种类似于我们在论文中所建议的方式，而平稳模型导致了一个可分离的最优交易时间表，这与我们在特殊情况下的结果一致。我们对价格影响模型的程式化推导，使用了市场微观结构的思想。具体而言，正如Kyle（1985）所述，我们假设每个投资者对特定证券的持有头寸随价格呈线性变化，通常根据CARA效用函数进行调整；价格是通过所有参与者之间的市场清算（均衡）条件确定的。在本文中，我们没有明确规定交易量的生成过程，《顺序信息到达》（Copeland（1976）、Jennings et al.（1981）和Tauchen and Pitts（1983））的文献提供了交易量、回报波动性和流动性之间的深刻联系。虽然我们在本文中不会估计影响模型，但我们在最后一节简要讨论了在一组专有投资组合执行情况下如何进行评估。我们参考Almgren等人。

（2005）评估碰撞模型的程序，该模型允许线性永久性组件和可能的非线性瞬时组件，且无交叉碰撞影响。Huberman和Stanzl（2004）使用无套利论证证明，永久价格影响必须是交易量的线性函数；另请参见Gathereal（2010），以将该论点扩展到市场影响具有特定衰减函数的瞬态环境。Rashkovichand Verma（2012）就这一市场影响模型评估程序发表了一些有趣的实际评论。最近开始探讨交叉影响的主题，特别是Benzaquen等人（2016）和Schneider和Lillo（2017）。第一篇论文假设并估计了一个基于每个时期贸易标志不平衡向量的线性传播影响模型。第二篇论文探讨了Huberman和Stanzl（2004）的无套利思想对交叉影响的结构和程度的影响。我们工作的一个重要动机是，管理下的资产逐渐从主动策略转变为被动和系统策略，以及它们对市场行为和交易流的组成和时间安排的影响。金融计量经济学文献对这一主题进行了研究，Ben David等人（2017）对此进行了总结。特别是，围绕流动性这一我们主要关注的话题，本文献发现ETF或共同基金所有权与基础成分流动性的共性之间存在因果关系，例如，见Karoli et al.（2012），Koch et al.（2016），Agarwal et al.（2018）；这种横截面依赖性的动机归因于ETF的套利机制或共同基金的相关交易。1.2. 论文的组织本文其余部分的组织如下。

§2提供了日内流动性横向变化的一些经验证据。§3导出了价格影响模型的功能形式，该模型包含了因投资组合（指数基金）流动性提供者的存在而产生的交叉证券影响条款。它随后描述了给定portfoliotrade时间表的预期执行成本。§4制定并解决了风险中性投资者的最优投资组合执行问题，§5描述了在这种风险中性环境中经常使用的可分离的“VWAPlike”执行相比，最优计划的绩效收益。在§6中，我们简要概述了如何从一组投资组合交易的专有记录中估计价格影响，并讨论了一些其他实际考虑因素。2、初步实证观察为了推动我们的下游分析，我们提供了一些关于日内交易量横截面行为的实证证据，重点关注标准普尔500成分股成交量之间的水平和日内变化。我们分析了459只股票（N=459），指数为i，这些股票在2017日历年一直是标普500指数的组成部分。我们的数据集包含241天（D=241），以D为索引，不包括已知的显示异常交易活动的天数，即：联邦公开市场委员会/美联储于2001年2月、2015年3月、2003年5月、2014年6月、26年7月、20年9月、2001年11月、13日的公告日，以及03年7月、11月24日的半个交易日。我们使用交易和报价（TAQ）数据库，提取所有交易，不包括a）在09:35之前或16:00之后发生的交易；b） 开始拍卖版画或结束拍卖版画（Condit field包含“O”、“Q”、“M”或“6”）；和c）稍后更正的交易（相关字段不是0，或条件字段包含“G”或“Z”）。我们将一天划分为五分钟间隔（T=77，09:35-09:40，··15:55-16:00），以T为索引。