論文の概要: Empirical Study of Market Impact Conditional on Order-Flow Imbalance
- arxiv url: http://arxiv.org/abs/2004.08290v2
- Date: Fri, 24 Apr 2020 20:23:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-12 13:51:52.200668
- Title: Empirical Study of Market Impact Conditional on Order-Flow Imbalance
- Title（参考訳）: 注文フローの不均衡に対する市場影響条件の実証的研究
- Authors: Anastasia Bugaenko
- Abstract要約: 署名された注文フローに対して,注文フローの不均衡の増加に伴い,価格への影響は線形に増大することを示す。
さらに,注文フローにサインされた市場への影響を予測するために,機械学習アルゴリズムを実装した。
この結果から,機械学習モデルを用いて財務変数を推定できることが示唆された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this research, we have empirically investigated the key drivers affecting
liquidity in equity markets. We illustrated how theoretical models, such as
Kyle's model, of agents' interplay in the financial markets, are aligned with
the phenomena observed in publicly available trades and quotes data.
Specifically, we confirmed that for small signed order-flows, the price impact
grows linearly with increase in the order-flow imbalance. We have, further,
implemented a machine learning algorithm to forecast market impact given a
signed order-flow. Our findings suggest that machine learning models can be
used in estimation of financial variables; and predictive accuracy of such
learning algorithms can surpass the performance of traditional statistical
approaches.
Understanding the determinants of price impact is crucial for several
reasons. From a theoretical stance, modelling the impact provides a statistical
measure of liquidity. Practitioners adopt impact models as a pre-trade tool to
estimate expected transaction costs and optimize the execution of their
strategies. This further serves as a post-trade valuation benchmark as
suboptimal execution can significantly deteriorate a portfolio performance.
More broadly, the price impact reflects the balance of liquidity across
markets. This is of central importance to regulators as it provides an
all-encompassing explanation of the correlation between market design and
systemic risk, enabling regulators to design more stable and efficient markets.
- Abstract（参考訳）: 本研究では,株式市場の流動性に影響を与える要因を実証的に検討した。
我々は、金融市場におけるエージェントの相互作用に関するカイルモデルのような理論モデルが、公開取引や引用データに見られる現象とどのように一致しているかを説明した。
具体的には,小規模の注文フローの場合,注文フローの不均衡の増加とともに価格への影響が線形に増加することを確認した。
さらに,注文フローにサインされた市場への影響を予測する機械学習アルゴリズムを実装した。
この結果から,機械学習モデルを用いて財務変数の推定を行うことが可能であることが示唆され,従来の統計的手法よりも予測精度が高いことが示唆された。
価格の影響要因を理解することはいくつかの理由から重要である。
理論的な立場から、影響をモデル化することは、流動性の統計測度を提供する。
実践者は、予測されるトランザクションコストを見積もり、戦略の実行を最適化するために、取引前ツールとしてインパクトモデルを採用する。
これはまた、ポートフォリオのパフォーマンスが著しく低下する可能性があるため、取引後の評価ベンチマークとして機能する。
より広範に、価格の影響は市場間の流動性のバランスを反映している。
これは、市場設計とシステミックリスクの相関を包括的に説明し、規制当局がより安定かつ効率的な市場を設計できるようにするため、規制当局にとって重要なものである。
関連論文リスト
- When AI Meets Finance (StockAgent): Large Language Model-based Stock Trading in Simulated Real-world Environments [55.19252983108372]
LLMによって駆動される、StockAgentと呼ばれるマルチエージェントAIシステムを開発した。
StockAgentを使えば、ユーザーはさまざまな外部要因が投資家取引に与える影響を評価することができる。
AIエージェントに基づく既存のトレーディングシミュレーションシステムに存在するテストセットのリーク問題を回避する。
論文 参考訳（メタデータ） (2024-07-15T06:49:30Z) - DiffSTOCK: Probabilistic relational Stock Market Predictions using Diffusion Models [1.9662978733004601]
我々は、歴史的金融指標とストック間関係を前提とした、より良い市場予測を提供するためのアーキテクチャを開発する。
また,Masked Transformer (RTM) を用いて,ストック間関係と歴史的ストックの特徴を生かした新しい決定論的アーキテクチャ MTCHS を提供する。
論文 参考訳（メタデータ） (2024-03-21T01:20:32Z) - Electricity Price Forecasting in the Irish Balancing Market [0.0]
この研究は、広く研究されている日頭市場で成功した様々な価格予測手法をアイルランドのバランス市場に適用する。
異なるトレーニングサイズの影響を調査するフレームワークを用いて,統計モデル,機械学習モデル,ディープラーニングモデルを比較した。
大規模な数値的な研究により、日頭市場における良いパフォーマンスのモデルはバランスの取れないモデルではうまく機能しないことが示された。
論文 参考訳（メタデータ） (2024-02-09T15:18:00Z) - Diffusion Variational Autoencoder for Tackling Stochasticity in
Multi-Step Regression Stock Price Prediction [54.21695754082441]
長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。
多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。
深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。
本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
論文 参考訳（メタデータ） (2023-08-18T16:21:15Z) - HireVAE: An Online and Adaptive Factor Model Based on Hierarchical and
Regime-Switch VAE [113.47287249524008]
オンラインで適応的な環境で株価予測を行うファクターモデルを構築することは、依然としてオープンな疑問である。
本稿では,オンラインおよび適応型要素モデルであるHireVAEを,市場状況とストックワイド潜在要因の関係を埋め込んだ階層型潜在空間として提案する。
4つの一般的な実市場ベンチマークにおいて、提案されたHireVAEは、以前の手法よりもアクティブリターンの点で優れたパフォーマンスを示している。
論文 参考訳（メタデータ） (2023-06-05T12:58:13Z) - Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。
我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
論文 参考訳（メタデータ） (2023-04-15T19:22:37Z) - Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics
in Limit-Order Book Markets [84.90242084523565]
伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。
最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。
予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
論文 参考訳（メタデータ） (2022-03-07T18:59:54Z) - Interpretability in Safety-Critical FinancialTrading Systems [15.060749321774136]
2020年、世界で最も洗練された量子ヘッジファンドのいくつかが損失を被った。
我々は、トレーディングモデルの予測をどのように操作できるかを正確に評価するために、勾配に基づくアプローチを実装した。
提案手法では,入出力分布に大きな負のずれが生じる,サンプル内入力設定のように見えることが判明した。
論文 参考訳（メタデータ） (2021-09-24T17:05:58Z) - Measuring Financial Time Series Similarity With a View to Identifying
Profitable Stock Market Opportunities [12.101446195463591]
歴史的価格データのみを用いて株式市場のリターンを予測するケースベースの推論手法について述べる。
この研究の重要な貢献は、歴史的価格データを比較するための新しい類似度指標の開発である。
論文 参考訳（メタデータ） (2021-07-07T17:26:32Z) - A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。
ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。
我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
論文 参考訳（メタデータ） (2020-12-10T01:15:48Z) - Predictive intraday correlations in stable and volatile market
environments: Evidence from deep learning [2.741266294612776]
我々は、S&P500株間のラタグ相関を学習・活用するためにディープラーニングを適用し、安定市場と不安定市場のモデル行動を比較する。
以上の結果から,アキュラシーは有意でありながら,予測地平線が短いほど低下することが示唆された。
ポートフォリオマネージャのための調査ツールとしての現代金融理論と作業の適用性について論じる。
論文 参考訳（メタデータ） (2020-02-24T17:19:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。