公司债券交易成本分析

相似文件 换一批

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：
《Transaction Cost Analytics for Corporate Bonds》
---
作者：
Xin Guo, Charles-Albert Lehalle and Renyuan Xu
---
最新提交年份：
2021
---
英文摘要：
  Electronic platform has been increasingly popular for the execution of large orders among asset managers dealing desks. Properly monitoring each individual trade by the appropriate Transaction Cost Analysis (TCA) is the first key step towards this electronic automation. One of the challenges in TCA is to build a benchmark for the expected transaction cost and to characterize the price impact of each individual trade, with given bond characteristics and market conditions.   Taking the viewpoint of an investor, we provide an analytical methodology to conduct TCA in corporate bond trading. With limited liquidity of corporate bonds and patchy information available on existing trades, we manage to build a statistical model as a benchmark for effective cost and a non-parametric model for the price impact kernel. Our TCA analysis is conducted based on the TRACE Enhanced dataset and consists of four steps in two different time scales. The first step is to identify the initiator of a transaction and the riskless-principle-trades (RPTs). With the estimated initiator of each trade, the second step is to estimate the bid-ask spread and the mid-price movements. The third step is to estimate the expected average cost on a weekly basis via regularized regression analysis. The final step is to investigate each trade for the amplitude of its price impact and the price decay after the transaction for liquid corporate bonds. Here we apply a transient impact model (TIM) to estimate the price impact kernel via a non-parametric method.   Our benchmark model allows for identifying and improving best practices and for enhancing objective and quantitative counter-party selections. A key discovery of our study is the need to account for a price impact asymmetry between customer-buy orders and consumer-sell orders.
---
中文摘要：
在资产管理公司交易台中，电子平台在执行大额订单方面越来越受欢迎。通过适当的交易成本分析（TCA）对每个交易进行适当的监控是实现电子自动化的第一个关键步骤。TCA面临的一个挑战是，根据给定的债券特征和市场条件，为预期交易成本建立一个基准，并描述每个交易的价格影响。从投资者的角度出发，我们提供了一种在公司债券交易中进行TCA的分析方法。由于公司债券的流动性有限，现有交易的信息不完整，我们设法建立一个统计模型作为有效成本的基准，并建立一个非参数模型作为价格影响核心。我们的TCA分析是基于跟踪增强数据集进行的，由两个不同时间尺度的四个步骤组成。第一步是确定交易发起人和无风险原则交易（RPT）。对于每个交易的估计发起人，第二步是估计买卖价差和中间价变动。第三步是通过正则化回归分析估计每周的预期平均成本。最后一步是调查每笔交易的价格影响幅度以及流动公司债券交易后的价格衰减。在这里，我们应用瞬态影响模型（TIM）通过非参数方法估计价格影响核。我们的基准模型允许确定和改进最佳做法，并加强客观和定量的交易对手选择。我们研究的一个关键发现是，需要考虑客户购买订单和客户销售订单之间的价格影响不对称。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Statistical Finance        统计金融
分类描述：Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--

---
PDF下载：
--> Transaction_Cost_Analytics_for_Corporate_Bonds.pdf (1012.11 KB)

2022-6-23 20:41:02 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：成本分析 公司债券 债券交易 交易成本 公司债

公司债券交易成本分析*Charles Albert Lehalle+Renyuan Xu2021年12月10日资产管理公司在执行大型公司债券订单时越来越流行抽象电子平台，而资产管理公司则必须通过交易成本分析（TCA）来评估其执行的质量。TCA面临的挑战之一是为预期交易成本建立一个现实的基准，并在给定的债券特征和市场条件下描述每个交易的价格影响。本文从散户投资者的角度出发，提出了一种企业债券交易风险的分析方法。我们的分析基于跟踪增强数据集；首先估计债券交易的发起人，然后估计买卖价差和中间价动态。根据这些估计，我们研究的第一部分是确定公司债券的关键特征，并计算预期的平均交易成本。这一部分是在每周交易的时间尺度上，通过应用和比较几种正则化回归模型。我们研究的第二部分是利用估计的中间价格动态来研究其价格影响的幅度和个人债券交易的衰减模式。这一部分是关于流动性公司债券每笔交易的时间尺度，并通过应用瞬态影响模型，使用非参数方法估计价格影响核。我们的基准模型允许识别异常交易并加强交易对手选择。

我们研究的一个关键发现是客户购买订单和客户销售订单之间的价格影响不对称。关键词：债券流动性、交易成本分析、价格影响、增强跟踪、回归分析、正则化方法、数据驱动决策*美国加州大学伯克利分校工业工程与运营研究系。电子邮件：xinguo@berkeley.edu.+阿布扎比投资局（ADIA）和伦敦帝国理工学院。电子邮件：c。lehalle@imperial.ac.uk.美国南加州大学爱泼斯坦工业与系统工程系和英国牛津大学数学研究所。电子邮件：renyuanx@usc.edu.1简介公司债券对企业融资至关重要，在资产管理中发挥着重要作用【Nagel，2016年】。与多数通过多边交易设施中的订单进行交易的股票不同，由于可用电子平台有限，合作债券主要通过双边机制进行交易【Fermanian等人，2015年】【Linciano等人，2014年】。尽管2002年6月USI引入了跟踪报告系统，2018年1月在欧洲建立了用于电子债券交易的MiFID 2，债券交易仍然远不如股票交易透明【Bessembinder等人，2008年】。2008年金融危机后，宏观审慎监管要求公司债券交易更加透明，以减少中介机构与其客户之间的信息不对称【Hendershott和Madhavan，2015年】，从而导致资本要求增加，进而阻止银行进行大规模盘存【Wilson等人，2014年】。

这种较低的库存，再加上更高的透明度要求，推动银行和经销商通过电子化实现流量驱动的业务【Harris，2015年】。在这种新的交易环境中，缺乏定价工具和创客交易商享有的私人数据库的资产管理公司，必须通过交易成本分析（TCA）来评估公司债券的执行质量。然后将TCA的详细信息与投资公司的投资组合经理分享，以审查市场流动性，并用于分配和对冲目的【Albanese和Tompaidis，2008年】。由于债券交易严重缺乏基准（Collins和Fabozzi，1991），TCA很难实现，这与股票交易不同，在股票交易中，买卖价差显然是基准的简单选择。相反，TCA需要根据经纪人从零碎市场中所有可能的执行场所（包括订单簿、报价请求、语音、暗池和区块发现机制）细分特定债券交易的成本。我们的工作。本文旨在为散户投资者建立一个债券交易的TCA基准。也就是说，我们从个人投资者的角度来评估每笔交易的执行绩效。我们的TCA基于2015年至2016年的增强跟踪数据集。我们假设TCA包括衡量流动性不足成本的买卖价差和衡量个别交易影响的中间价变动。我们的分析从估算债券交易发起人的初步步骤开始（第3.1节）。跟踪数据库中当前缺少的启动器指示给定事务是买方发起的还是卖方发起的。

每个交易的估计发起人使我们能够估计买卖价差和中间价动态（第3.1节）。通过这一初步步骤，我们研究的第一部分是确定公司债券的最重要特征，并计算预期平均交易成本（第4节）。本研究是在周交易的时间尺度上进行的，通过比较几种正则化回归模型，包括两步套索回归、岭回归和两步弹性净回归。回归分析中的响应变量是初步分析得出的估计买卖价差。我们的回归方法能够选择与现有作品一致的公司债券特征，包括债券价格的波动性、自发行日期起的年数以及以每周交易数量和交易金额（美元）为特征的债券活动。此外，交易数量和交易金额起着两个相反的作用：交易金额越大，买卖价差越小；交易越多（以美元计算的金额相同），出价越高。值得一提的是，从我们的回归分析中获得的Rvalue在0.50到0.60之间，而通过回归得到的Rin现有作品在【Hendershott和Madhavan，2015年】中的变化范围为0.05到0.20，【Edwards等人，2007年】中的变化范围为0.30到0.50，【Dick Nielsen等人，2012年】中的变化范围为0.50到0.80。我们的TCA的第二部分是使用估计的中间价格动态来研究其价格影响的幅度和个别债券交易的价格衰减模式。本研究（详见第5节）是关于流动公司债券每笔交易的时间尺度。这是通过应用瞬态冲击模型（TIM）通过非参数方法估计价格影响核来实现的。

我们的研究中估计的瞬时影响函数与股票市场中的函数具有几个重要特征：o交易发生时的价格上涨，o初始上涨后的价格下跌，o稳定在高于初始价格的“永久水平”：这种永久影响可以解释为交易的信息内容。此外，我们还发现初始价格跳跃幅度的不对称性：买入发起的交易比卖出发起的交易对公司债券的即时影响更大。请注意，【Hendershott和Madhavan，2015年】和【Ruzza，2016年】中也报道了公司债券的这种不对称性，这种不对称性在股票市场中并不存在。公司债券TCA的现有工作。对公司债券交易成本的实证研究大多来自追踪后，因为在追踪前的时代，散户很难获得数据。追踪后贸易报告义务始于2002年7月的美国。由于TRACE的引入带来了外源性冲击，许多早期作品【Goldstein等人，2007年，Ruzza，2016年，Bessembinder等人，2008年】将重点放在了引入TRACE的早期几年，以确定这种透明度的成本影响。post TRACE的另一个家族研究了2004年至2007年采用电子和多边贸易（Hendershott和Madhavan，2015年）以及降低借款成本的影响（Asquith等人，2013年）。所有这些研究都得出了类似的结论，即公司债券的交易成本在过去二十年中平均下降了。这些作品中采用的交易成本的主要代表是（预期的）买卖价差【Glosten和Milgrom，1985年】【Edwards等人，2007年】。他们的主要统计方法是普通最小二乘（OLS）回归，以解释债券特定或上下文驱动的变化。

这些研究中的解释变量【Dick Nielsen et al.，2012，Edwards et al.，2007，Goldstein et al.，2007，Eom et al.，2004】是息票、到期日、到期年数、波动性、无风险率、公司的预期回收率和违约概率。这些实证分析中研究的数据集和债券年数汇总见附录A中的表12。关于不对称价格影响的现有工作。在公司债券市场中，客户发起的买入订单和客户发起的卖出订单之间的价格影响不对称已在文献中记录。例如，【Hendershott和Madhavan，2015年】表IV的回归反映了这种不对称性，因为场外交易（OTC）的买卖订单系数幅度不同（但电子交易除外）。【Mizrach，2015】的图15和【Ruzza，2016】的表1中也报告了这种不对称性。前者绘制了2003年至2015年五次交易后的年平均价格变化，买入的影响比卖出的影响大约25%。后者指出，根据2004年至2012年的跟踪数据，机构买家的交易价格与当日平均价格之间的平均差值为56个基点至33个基点，机构卖家为-25个基点至-21个基点。我们的工作不同于现有的OLS平均交易成本研究，因为我们应用正则化回归模型在更广泛的候选特征类别中选择特征。与以往从静态角度对价格影响不对称性的研究不同，我们研究了个体贸易的价格影响曲线，并在动态环境下分析了其不对称性，通过TIM模型描述了价格影响的幅度和损失。

此外，本文提出的分析和方法是通用的，可以应用于对包括标准跟踪在内的其他数据集进行TCA。2数据处理和键选择增强了跟踪。TRACE是交易报告和合规引擎的首字母缩写，是FinradeDeveloped机制，它有助于强制报告合格固定收益证券的场外二级市场交易。TRACE数据库包含一些有用（尽管有限）的信息，并已被[Dick Nielsen，2014]和[Harris，2015]用于实证研究。与TRACE合作的主要困难在于缺乏有关流动性的信息。例如，既没有报价，也没有出价，也没有询价。相反，只记录最终交易以及交易类型：经销商对经销商、经销商对客户或客户对客户。因此，尽管【Biais和Green，2019年】没有进行任何线性回归，但依赖描述性统计，这可能是因为在此期间缺乏可用的解释变量。此外，我们还依赖汤森路透（Thomson Reuters）检索有关交易债券的信息，如发行金额、票面利率、行业信息、评级信息以及伦敦银行同业拆借利率和隔夜指数掉期利率。此外，我们通过合并固定收益证券数据库（FISD）获取未偿金额。有两种类型的跟踪数据集，标准跟踪数据集和增强跟踪数据集。两个市场数据集都包含公司债券交易。不同之处在于，交易可按标准追踪，延迟两周，高收益债券的交易量上限为1MM，投资级债券的交易量上限为5MM。增强的跟踪数据集具有未封顶的卷，事务可用，延迟六个月。

FINRA提供了一个单独的数据集，用于2002年7月以来交易的所有公司债券的月度价格、回报、息票和收益率信息。我们的研究主要基于增强的跟踪数据集。我们使用Enhanced TRACE上的未交易量以及FISD和汤森路透的其他信息来构建买卖价差的估计（第3节）。值得注意的是，增强型跟踪数据集和标准跟踪数据集在预计投标报价方面产生了细微差异，如第C.4节所示。数据处理。我们研究中使用的数据为2015年1月1日至2016年12月31日，数据来自沃顿WRDS。在此期间，有34809405份原始贸易报告、390193份贸易取消报告（约占所有原始贸易报告的1.1%）、497249份修正贸易报告（约1.4%）和28005份贸易逆转报告。交易撤销是指自最初记录以来超过20天发生变化的交易。有时，同一原始交易会有多个更正记录，并且会取消以前更正的交易的取消记录。共有54885个CUSIP日，覆盖656个日历日，其中许多是周末和节假日。CUSIP天数是通过计算所有CUSIP债券的所有交易日来计算的。特别是，对于债券的每笔交易，可以从增强跟踪中恢复以下信息：otbk：债券b第k笔交易的时间戳；oPbk：债券b第k笔交易的价格；oVbk：债券b的第k笔交易量；o经销商对客户交易的一方：客户购买订单或客户销售订单。数据清理程序结合了【Dick Nielsen，2014】和【Harris，2015】的方法，详见附录B.2。

总的来说，大约17.50%的报告是从原始的增强跟踪数据集中过滤出来的。在所有剩余的28719813项记录中，14071375项（49%）是经销商对客户的交易，其余14648438项（51%）是经销商之间的交易。表15汇总了这些统计数据。在数据清理之后，有必要选择适当的债券，以便于对回归和价格影响分析的交易成本进行分析。回归分析的债券选择回归分析的债券有两种类型，即投资级债券和高收益债券，它们是从美国公司债券的标准范围中挑选出来的。投资级债券选自iShares iBoxx投资级公司债券ETF，高收益债券选自iShares iBoxx高收益公司债券ETF的组成部分。前者目前持有1033只债券，其中538只债券在2015年1月1日至2016年12月31日期间有一笔以上交易记录在强化跟踪中。后者目前持有1575股，其中1485股在同一时期有交易记录。此外，有30只债券同时属于iBoxx高收益公司债券ETF和iShares iBoxx投资级公司债券ETF。自发行以来，这30只债券的评级水平都进行了调整。因此，回归分析共有1993份债券。这些选定债券占总14071375份客户至交易商债券的31.05%。CUSIP代表统一证券识别程序委员会（Committee on Uniform Securities Identification Procedures）。所有债券的报告。