日内订单分割基准的均衡效应

他们的累积罚金i，1in（1.1）通过过程i，t：=Ztκ（s）累积θi，s- 学士学位ds，t∈ [0，1]，i∈ {M+1，…，M+M}，（1.4），类似于Sannikov和Skrzypacz（2016）中的常见价值规范。在（1.4）中，过程B=（Bt）t∈[0,1]B=0是一个标准的布朗运动，表示一个公开可见的风险因素，独立于分配的随机变量，以及 ≥ 0衡量套期保值者相对于风险因素Bt的目标持有量。套期保值者的惩罚严重度函数κ（s）可能与（1.3）中的κ（s）不同。在特殊情况下，κ（s）：=0，套期保值者将风险中性的默顿投资者减少到具有潜在价格影响的默顿投资者。另一个特殊之处是“变化”，即Almgren和Chriss（1999，2000）通过特定的风险和成本目标来解决最优订单，而我们通过Li，tpenalty间接表示投资者i的风险和执行成本目标。为简单起见，我们假设 是常量。或者，它可以是一个时间相关函数（t） 。案例是 := 0，其中套期保值者与上文讨论的日内流动性提供者一致，但惩罚严重性函数κ可能不同。套期保值者的交易为当天的总交易需求失衡注入了日内随机性（由于英国电信）。然而，与噪音交易者不同，对冲者对价格敏感，并优化交易。考虑到各种因素，投资者在实际市场中优化其交易。这些包括通过改变持有量获得的潜在公用事业收益和其他订单执行成本（如果获得流动性）或利润（如果提供流动性），库存和风险管理成本，以及因应对价格压力而产生的可预测财富效应。

我们的分析将目标投资者的交易优化分解为两部分：首先，我们将日内轨迹γ（t）~AIA解释为一种部分优化的策略，考虑到日终潜在目标AIA以及订单执行、库存和风险管理成本，但忽略了因价格压力而产生的财富影响。其次，（1.1）中目标投资者的优化问题，然后针对价格压力效应调整部分优化策略γ（t）ai，以获得完全优化策略θi，t。