Handel na dużą skalę opcje na rynku

Handel High-Frequency - HFT Co to jest Handel High-Frequency - HFT Handel wysokiej częstotliwości (HFT) jest platformą handlu programem, która wykorzystuje potężne komputery do obsługi dużej liczby zamówień z dużą szybkością. Wykorzystuje złożone algorytmy do analizy wielu rynków i realizacji zamówień w oparciu o warunki rynkowe. Zwykle przedsiębiorcy z najszybszymi prędościami wykonania są bardziej zyskowni niż handlowcy z mniejszymi prędkościami wykonania. BREAKING DOWN High-Frequency Trading - HFT Handel wysokiej częstotliwości stał się popularny, gdy giełdy zaczęły zachęcać przedsiębiorstwa do zwiększenia płynności na rynku. Na przykład Giełda Papierów Wartościowych w Nowym Jorku (NYSE) posiada grupę dostawców płynności, zwaną Dostawcami Płynów (SLP), która próbuje dodać konkurencję i płynność do istniejących notowań na giełdzie. Jako bodziec dla firm NYSE płaci prowizję lub zwrot za zapewnienie wspomnianej płynności. W lipcu 2018 r. Średnia stopa zwrotu SLP wyniosła 0,0019 w przypadku papierów wartościowych na rynku NYSE i NYSE MKT w NYSE. Dzięki milionom transakcji dziennie powoduje to znaczne zyski. SLP wprowadzono po upadku Lehman Brothers w 2008 r., Gdy płynność była poważnym problemem dla inwestorów. Korzyści płynące z HFT Główną zaletą HFT jest poprawa płynności rynku i usunięcie zlecenia z ofertą, które poprzednio byłyby zbyt małe. Zostało to zbadane przez dodanie opłat za HFT, w wyniku czego zwiększyły się spready z ofertą. Jedno z badań oceniało, jak kanadyjskie stawki pytań o zmianę oferty zmieniły się, gdy rząd wprowadził opłaty za HFT i stwierdzono, że spready z ofertą ofertową wzrosły o 9. Krytyki z HFT HFT są kontrowersyjne i zostały spotykane z pewną surową krytyką. Zastąpił on dużą liczbę dealerów brokerów i wykorzystuje matematyczne modele i algorytmy do podejmowania decyzji, podejmując ludzką decyzję i interakcję z równania. Decyzje zdarzają się w milisekundach, co może powodować duże ruchy rynkowe bez powodu. Na przykład w dniu 6 maja 2017 r. Indeks Dow Jones Industrial Average (DJIA) zanotował największy spadek w ciągu dnia, zmniejszając się o 1000 punktów i spadając o 10 w ciągu zaledwie 20 minut, po czym ponownie wzrastał. Dochodzenie rządowe obwiniało ogromne zamówienie, które spowodowało wyrzucenie na wypadek katastrofy. Dodatkową krytyką HFT jest to, że duże firmy mogą zarabiać na koszt chłopców, inwestorów instytucjonalnych i detalicznych. Inną poważną skargą na HFT jest płynność dostarczona przez HFT to płynność ducha, co oznacza, że ​​zapewnia płynność, która jest dostępna na rynku w ciągu jednej sekundy, a następna, uniemożliwiając tym firmom możliwość handlu tą płynnością. Rynek dla odpoczynku Jeśli jesteś inwestorem, handel wysokiej częstotliwości (HFT) jest częścią twojego życia, nawet jeśli tego nie wiesz. Prawdopodobnie kupujesz akcje oferowane przez komputer lub sprzedawane akcje zakupione, a następnie natychmiast sprzedawane przez inny komputer. HFT jest kontrowersyjny. Handlaci nie zgadzają się ze sobą, a badania sprzeczne z innymi badaniami, ale niezależnie od opinii, najważniejsze jest to, w jaki sposób HFT wpływa na twoje pieniądze. Najlepsze trendy inwestycyjne w 2017 roku. Przejdźmy do kilku trendów inwestycyjnych, aby pomyśleć o 2017 roku. Co to jest HFT HFT to szerszy termin na różne strategie handlowe, które wymagają zakupu i sprzedaży produktów finansowych z bardzo dużą prędkością. Komputery mogą zidentyfikować wzorce rynkowe i kupować lub sprzedawać te produkty w ciągu milisekund na podstawie algorytmów lub algos. Jedna z strategii ma służyć jako animator rynku, w którym firma HFT dostarcza produkty zarówno po stronie kupna i sprzedaży. Kupując po cenie ofertowej i sprzedając po cenie zapytania, handlowcy o wysokiej częstotliwości mogą zarabiać na grosza lub na jedną akcję. To przekłada się na duże zyski pomnożone przez miliony akcji. Czy to zepsuło rynek Można by pomyśleć, że ponieważ większość transakcji opuszcza komputerowy szlak papieru, łatwo byłoby przyjrzeć się praktykom handlowców o wysokiej częstotliwości, aby zapewnić jasne odpowiedzi na to pytanie, ale to nieprawda. Ze względu na dużą ilość danych i firm pragnących utrzymywać tajemnicę handlową, codzienne codzienne transakcje są dość trudne dla organów regulacyjnych. Ci, którzy debatują na ten temat często patrzą na katastrofę flash. W dniu 6 maja 2017 r. Wskaźnik średniej przemysłowej w przemyśle Dow Jones spadł o 10 minut, i tak niewytłumaczalnie, cofnął się. Niektóre duże zapasy na chipie krótko były sprzedawane za jeden grosz. W dniu 1 października 2017 r. Komisja Papierów Wartościowych i Giełd (SEC) wydała raport obwiniający jeden bardzo duży handel przyszłych kontraktów SampP e-mini, który wywarł efekt kaskadowy wśród podmiotów gospodarczych o wysokiej częstotliwości. Gdy jeden algo szybko się sprzedał, wywołał kolejny. W miarę jak sprzedano więcej sprzedaży, nie tylko handlarze wysokiej częstotliwości prowadzili rynek niższy, wszyscy, aż aż do najmniejszego sprzedawcę detalicznego, sprzedawali. Uderzenie lampy błyskowej było efektem śnieżki finansowej. Ten incydent skłonił SEC do przyjęcia zmian, które obejmowały umieszczenie wyłączników na produktach, gdy minęły one pewien poziom w krótkim okresie. W następstwie katastrofy flash wiele osób pytało, czy wprowadzenie dokładniejszych regulacji na handlarzy wysokiej częstotliwości ma sens, zwłaszcza, że ​​mniejsze, mniej widoczne awarie flash pojawiają się na rynku z regularnością. Czy to szkodzi inwestorowi indywidualnemu Co ważne dla większości inwestujących inwestorów jest to, jak HFT wpływa na inwestora detalicznego. Jest to osoba, której oszczędności emerytalne są na rynku, lub osoba, która inwestuje na rynek w celu uzyskania lepszych zwrotów niż blisko nieistniejące odsetki pochodzące z konta oszczędnościowego. Niedawne badania pokazały trochę tego pytania. Według The New York Times. najwyższy rządowy ekonomista stwierdził, że firmy HFT przynoszą znaczne zyski z tego, co nazywają tradycyjnymi inwestorami lub tych, którzy nie korzystają z algorytmów komputerowych. Badając kontrakty SampP 500 e-mini, naukowcy stwierdzili, że handlowcy o wysokiej częstotliwości osiągnęli średnie zyski 1,92 dla każdego kontraktu z dużymi inwestorami instytucjonalnymi, a średnio 3,49 przy transakcjach z inwestorami detalicznymi. Pozwoliło to najbardziej agresywnym szybkim przedsiębiorcom osiągnięcie średniego dziennego zysku na poziomie 45 267, zgodnie z danymi z 2017 roku. W dokumencie stwierdzono, że te zyski były kosztem innych podmiotów gospodarczych i może to spowodować, że handlowcy opuszczą rynek kontraktów futures. Chociaż autorzy nie badali rynków kapitałowych, w których handlowcy z dużą częstotliwością dysponują dużą liczbą obrotów giełdowych - prawdopodobnie 70 lub więcej, według niektórych raportów - twierdzą, że prawdopodobnie dojdą do tych samych wniosków. Dolna linia Ogólny sentyment, jaki mały inwestor nie może wygrać na tym rynku, zaczyna rozprzestrzeniać się. Niektórzy zarzucają ogromną ilość nienasyconych środków pieniężnych za dowód, że wiele osób zrezygnowało i straciło zaufanie do rynków. Stało się tak problemem, że nawet handlowcy o wysokiej częstotliwości poszukują na innych rynkach światowych, aby znaleźć płynność potrzebną do prowadzenia działalności. Organy na całym świecie szukają sposobów przywrócenia zaufania konsumentów do rynku akcji. Niektóre z nich zaproponowały podatek obrotowy na akcje, podczas gdy inne, takie jak Kanada, zwiększyły opłaty pobierane przez firmy z branży HFT. Z powodu względnej nowości HFT proces regulacji powoli się powiódł, ale jedna rzecz wydaje się prawdą, że HFT nie pomaga małym przedsiębiorcy. Rodzaj podatku od zysków kapitałowych poniesionych przez osoby prywatne i korporacje. Zyski kapitałowe to zyski inwestora. Zamówienie zakupu zabezpieczenia z lub poniżej określonej ceny. Zlecenie z limitem kupna umożliwia określenie podmiotów gospodarczych i inwestorów. Reguła Internal Revenue Service (IRS), która umożliwia wycofanie bez kary z konta IRA. Reguła wymaga tego. Pierwsza sprzedaż akcji przez prywatną firmę do publicznej wiadomości. IPO są często wydawane przez mniejsze, młodsze firmy szukające. Wskaźnik zadłużenia jest wskaźnikiem zadłużenia stosowanym do pomiaru dźwigni finansowej firmy lub wskaźnika zadłużenia stosowanego do pomiaru jednostki. Typ struktury wynagrodzeń, którą zazwyczaj zarządzają zarządcy funduszy, w której część rekompensat oparta jest na wynikach. High Frequency Trading 2: Struktura rynku amp Instrumenty Witamy w kursie High Frequency Trading część 2: Struktura, instrumenty i infrastruktura. Seria kursów High Frequency Trading przeznaczona jest dla osób, które interesują się wszystkimi rynkami finansowymi i handlem. Po przejściu tych kursów poznasz wszystkie zawiłości High Frequency Trading: koncepcje, strategie, technologie, które zniszczą wiele mitów i błędnych wyobrażeń o HFT i znajdą jasne zrozumienie tego, jak wszystko działa w rzeczywistości. Ale to nie znaczy, że jest to konieczne, aby zacząć od pierwszego etapu, wszystkie są całkiem niezależne, więc możesz zacząć od tego od tej części2 dowiesz się o zmianie struktury rynku w ciągu ostatnich kilku lat, najlepszych aktywów handlowych dla HFT i wymogów dotyczących infrastruktury na dzisiejszym rynku. Podczas drugiej części cyklu będziemy rozmawiać o: - dramatycznych zmianach struktury rynku w ciągu ostatnich kilku lat io tym, jak to wpłynęło na strategie handlowe - weźmiemy pod uwagę wszystkie cechy, zalety i wady tych nowych uczestników rynku, takich jak ECN i Dark Pool, które pochłaniają ogromną większość handlowców HFT - odkryjemy, jakie aktywa handlowe są najlepsze dla HFT - będziemy patrzeć na nowoczesne wymagania dotyczące infrastruktury na dzisiejszym rynku: mikrosekundy liczą się. Idealnym studentem tego kursu jest początkujący lub doświadczony przedsiębiorca, który już zna podstawowe pojęcia rynków finansowych i handlu oraz chciałby poszerzyć swoją wiedzę w tak popularnej, ale szeroko niezrozumianej sferze, jak High Frequency Trading. Zachęcamy do zapoznania się z opisem kursu i kliknięcia przycisku "Take This Course", kiedy będziesz gotowy. Do zobaczenia wewnątrz Idealny student tego kursu to początkujący lub doświadczony handlowiec, który już zna podstawowe pojęcia rynków finansowych i handlu i chce poszerzyć swoją wiedzę w tak popularnej, ale szeroko rozumianej sferze, jak High Frequency TradingHow HFT zmienia to, co wiemy o rynku Kiedy producenci telewizyjni szukają materiału ilustrującego wieści finansowe, najprostszym wyborem jest często sesja giełdowa, a handlowcy gestują i krzyczą. Tego lata niektóre z tych zdjęć będą ograniczone do historii. Grupa CME, największa światowa giełda terminowa, zamyka prawie wszystkie pułapki w Chicago, gdzie pokolenia handlowców wymieniły kontrakty futures i opcji na krzyki i sygnały ręczne. Wiele pracy tych podmiotów gospodarczych jest teraz zautomatyzowane, wykonywane przez algorytmy, które umieszczają tysiące zamówień co sekundę, i że wyścig się nawzajem, aby dotrzeć do serwerów wymiany. Zalecane czytanie Czy potrzebujesz szybko: dobrzy kupujący z powodu złych długów Dlaczego nie masz racji co do przyszłego upadku na giełdzie Jak ruchy stóp procentowych wpływają na gospodarkę Jest to najnowszy przykład, jak handel elektroniczny, a ostatnio handel wysokiej częstotliwości (HFT) rynek. Ale to nie tylko szybkość i sposoby realizacji, które uległy zmianie: dane, które produkują rynki finansowe zmieniają to, o czym wiedzieliśmy, że wiedzieliśmy o rynkach finansowych. Uzbrojeni w ogromne ilości danych i wystarczająco moc obliczeniową, ekonometrykanie i statystycy badają i wywierają dziury w niektórych długoletnich teoriach dotyczących funkcjonowania rynków. Niektóre z tych teorii zostały zbudowane w dziennych punktach danych zebranych z powiązanych książek przechowywanych w bibliotekach. Ale w epoce o wysokiej częstotliwości, czy te hipotezy muszą być aktualizowane Nie ma proliferacji danych, a to doprowadziło do renesansu w badaniach empirycznych, mówi MIT Andrew Lo. Lekarze rynku mogą odrzucić niektóre z tych prac jako ćwiczenia akademickie. W końcu naukowcy używają danych z przeszłości, aby wyjaśnić, jak funkcjonuje rynek, a praktycy koncentrują się na przewidywaniu przyszłych ruchów na rynku. Inteligentni handlarze używają modeli ekonometrycznych opracowanych przez naukowców, wielu innych przez praktyków narzędzi do myślenia o rzeczach i odkrywaniu rzeczy, niekoniecznie jako ewangelii, mówi Columbia Universitys Emanuel Derman, autor Models. Zachowanie. Bezrozumnie. Ale Lo porównuje relacje pomiędzy uczonymi a praktykami rynkowymi między naukowcami a inżynierami. Kiedy specjaliści z dziedziny finansów podejmują się badań, inżynierowie Wall Street biorą na siebie podstawowe informacje i przekształcają je w strategie handlowe, co oznacza, że ​​badania bezpośrednio kształtują strategię automatycznej wymiany handlowej. Badania prowadzone przez Dacheng Xiu. adiunkt ekonometrii i statystyki w Chicago Booth, a jego koledzy ilustrują tę zmianę. Korzystając ze zdjęć, naukowcy drżą i popychają do długoletnich teorii, w tym metodologii, która zarobiła twórcę nagrody Nobla. Metoda ogólna Czasów Modele ekonometryczne są wysoce geekarne. Kiedy Uniwersytet Chicagos Lars Peter Hansen wygrał Nagrodę Nobla w dziedzinie nauk ekonomicznych w 2017 r., Wielu dziennikarzy próbowało wyjaśnić swoją pracę, ogólną metodę chwil (GMM). Profesor Hansen, jako jeden z Hansenów, współzałożyciel Roberta Schillera z Yale, wyjaśnił w New York Times, opracował procedurę. do testowania modeli wzorcowych oczekiwań, które obejmują model rynków efektywnych i jego metodę doprowadziły do ​​statystycznego odrzucenia wielu z nich. (Eugene F. Fama, profesor finansów Roberta R. McCormicka w Chicago Booth również dzielili się Noblem w tym roku). Xiu proponuje inny sposób myślenia o tym: GMM dostarczyła ogólne ramy i wytyczne dotyczące stosowania modeli do dane rzeczywiste. Mówi on na Wall Street, że handlowcy i ich firmy używają GMM lub jakiejś jego wersji do testowania teoretycznych modeli używających danych rynkowych. Funkcje GMM są więc pomostem pomiędzy teoriami akademickimi a danymi empirycznymi. Jeden z ekspertów z branży, z którymi przeprowadzono wywiady w tym artykule (przy użyciu węższej definicji GMM niż Xiu) szacuje, że tylko połowa mieszkańców Wall Street wie, że GMM istnieje, a tylko 5 procent z nich wyraźnie ją używa. Xiu odpowiada, że ​​GMM został tak dokładnie zaadaptowany przez sektor finansowy, że wielu przedsiębiorców nawet nie zdaje sobie sprawy, że używają tego. GMM został opublikowany w 1982 roku, praktycznie w starożytnej historii do dzisiejszych rynków finansowych. Jako narzędzie do łączenia teorii z rynkami współczesnymi, Xiu mówi, ma dwa główne ograniczenia. Po pierwsze dzisiejsze rynki rozwijają się znacznie szybciej niż w 1982 r., A dni wolnego obrotu to wiele zamówień wielkości większych niż to, co było. Dziś wiele modeli zbudowanych jest w celu przewidzenia, co rynek zrobi w ciągu następnej godziny lub minuty, a nie następnej dekady. Podejście Hansensa jest przeznaczone do długodystansowych serii czasowych w ciągu dziesięcioleci i musi być przystosowane do tego ustawienia - mówi Xiu. Po drugie, chociaż ryzyko było zawsze częścią handlu, miarę ryzykavolatility istotnie istniała 30 lat temu. W roku 1982 zwycięzca nagrody Nobla Robert Engle z Nowego Jorku opracował sławny model ARCH, który po raz pierwszy opisywał dynamikę zmienności. W 1993 r. Chicago Board Options Exchange zapowiedziała raportowanie w czasie rzeczywistym, co stanie się indeksem lotności, znanym powszechnie jako wskaźnik obawy Wall Streets. VIX, pomiar implikowanej zmienności opcji indeksu SampP 500, pokazuje, jak zmienny rynek opcji oczekuje, że rynek stanie się w ciągu najbliższych 30 dni. Ponieważ w 2003 r. CBOE zrewidowała metodologię stosowaną do obliczania VIX, wiele firm uruchomiło instrumenty pochodne o zmienności obrotu i inwestorzy entuzjastycznie przyjęli te umowy. Aby korzystać z GMM, naukowcy i handlowcy często musieliby mieć silne założenia, na przykład zakładając, że zmienność wynika z określonego wzorca lub można ją dokładnie oszacować. Uniwersytet Xiu i Uniwersytet w Diu Jia Li proponują sposób na ulepszenie GMM, aby uczynić go bardziej przydatnym dla współczesnych rynków. Opracowali wersję, która w hołdzie dla oryginału nazywają ogólną metodą zintegrowanych momentów (GMIM). I theyve biorąc to na empiryczny test-drive, wykorzystując jedne z najwyższych częstotliwości dane zebrane przez wymianę i dostępne od dostawców danych. CBOE aktualizuje dane VIXI co 15 sekund, podczas gdy ceny transakcji na kontraktach terminowych i kontraktach są co jakiś czas znaczne. Dane aktualizowane co milisekundę dopiero niedawno stały się dostępne dla naukowców, mówi Xiu, a także planuje ich używać. Hipoteza dźwigniowa Fischera Blacka Przed opracowaniem GMIM, Xiu należał do zespołu, który zastanawiał się nad hipotezą z 1996 roku dotyczącą wpływu dźwigni finansowej ekonomisty Fischer Black's. Na rynku akcji wahania zapasów mają tendencję do wyższego wzrostu, gdy kurs akcji zmienia się w szczególności w indeksach, takich jak SampP 500. Czarny uważał, że ujemne relacje między zmiennością aktywów a ich zwrotem można wytłumaczyć przez zadłużenie spółki stosunek. Kiedy cena akcji General Motors spadnie, na przykład zmienność akcji wzrasta. Intuicyjnie ma sens: im większa dźwignia firmy, tym bardziej niestabilne będą jego udziały. Ale aby zbadać różne teorie finansowe dotyczące efektu dźwigni, odnosi się to do efektu dźwigni do zmiennych makroekonomicznych i solidnych charakterystyk, które są zazwyczaj aktualizowane co miesiąc lub kwartał, napisz Xiu i Uniwersytet Montreals Ilze Kalnina. Chcieli ocenić dobrze znaną hipotezę przy użyciu danych z znacznie krótszych okresów czasu. Jak zauważają badania, zmienność jest raczej szacowana, a nie dokładnie mierzona. Wspólną strategią pokonania tej przeszkody jest wstępne oszacowanie zmienności w małych oknach czasu, a następnie obliczyć korelację między tymi szacunkami a zwrotami z inwestycji. Podejście to wprowadza jednak dużo statystycznego hałasu, co ekonometria uważa za krótkie okresy, np. Miesiąc lub kwartał. Nawet przy danych z lat, korelacja pozostaje nieistotna. Xiu i Kalnina zastąpiły wstępne szacunki zmienności danych z dwóch źródeł: cen akcji lub kontraktów futures indeksowych oraz obserwacji wysokiej częstotliwości dla VIX lub alternatywnego instrumentu zmienności. Podsumowując, istnieją dowody na to, że utrzymują się hipoteza dźwigni Blacks: stosunek długów do zadłużenia spółki pomaga wyjaśnić związek między zmiennością a zyskami. Ale zauważają również, że mogą istnieć inne czynniki w pracy, w tym ryzyko kredytowe i ryzyko płynności. Stosunek długu do kapitału niekoniecznie jest zmienną dominującą, mówi Xiu. Xiu i Kalnina mogą w pewnym stopniu udowodnić, co wielu przedsiębiorców już podejrzewa. Opcje handlowcy są świadomi wzoru zwanego uśmiechem zmienności, który powstaje w indeksach akcji, takich jak zmienność związana z SampP 500, wzrasta wraz ze spadkiem opcji strajku. Hipoteza dźwigni jest jednym wyjaśnieniem tego schematu, mówi Derman. Mówi on, że handlowcy biorą pod uwagę uśmiech o zmienności, ale niekoniecznie przypisują to hipotezie dźwigni. Modele wyceny opcji Pytania dotyczące efektu dźwigni spowodowały, że Xiu kwestionuje modele wyceny opcji. Z wielu rzeczy, które są modelowane w finansach, cena opcji na akcje jest jedną z najbardziej fundamentalnych. Kontrakty typu wyeliminowały rewolucję ilościową w sektorze finansowym: po tym, jak CBOE utworzyło i uruchomiło pierwsze kontrakty, Fischer Black i Myron Scholes opracowali swój słynny model Black-Scholes, który handlowcy używali opcji cenowych. Przez lata handlarze i brokerzy w piwach handlowych wydrukowali arkusze cen obliczone przy użyciu Black-Scholesa. Wielu z branży finansowej używa Hestona i wielu podobnych modeli do wycenianych opcji. Czy to jest mądre13 Ten model został opublikowany na długo przed indeksem VIX i poprzedził wzrost zmienności jako klasy aktywów. Black-Scholes zakłada, że ​​zmienność jest ciągłym pomiarem, a nowsze modele wiedzą, że zmienność rzeczywiście się zmienia. W rezultacie wiele osób zastąpiło Black-Scholes nowymi modelami, z których najbardziej znany jest model Heston, nazwany na University of Marylands Steven L. Heston. Rozszerzenie Black-Scholesa, Heston zakłada, że ​​zmienność aktywów jest losowa, a nie stała i koreluje ze zwrotami aktywów (efekt dźwigni wspomniany powyżej). Wielu z branży finansowej używa Hestona i wielu podobnych modeli (tak zwanych modeli afinicznych) do wycenianych opcji. Czy to mądre Xiu i Książęta Jia Li postanowiły rozwiązać problem, testując kluczową cechę tych modeli typu Heston: liniowa zależność między zmiennością plamki na miejscu a domniemaną zmiennością lotności, będącą wynikiem wygaśnięcia kontraktów futures na przyszłość, zmienność jest aktualną ceną rynkową opcji. Naukowcy zebrali 23 kwadranse wartości danych o domniemaną zmienność (przy użyciu VIX) i zmienności plamki (otrzymanej z SampP 500), trwającej 1 457 dni. Odkrywają, że związek między zmiennością punktową a domniemaną jest rzeczywiście nieliniowy. Jeśli zilustrujesz dwa zestawy danych o zmienności, zamiast tworzyć spójną linię, odchylają się od siebie, pokazując, co naukowcy określają znaczną zmianę czasową. Po raz kolejny naukowcy mogą dostarczyć dowodów na to, co podejrzewają praktycy: model Heston jest wadliwy. Xiu, który pracował w firmie handlowej przed uzyskaniem tytułu doktora, twierdzi, że wielu przedsiębiorców zauważyło, że model Heston nie działa. I jeden ekspert branżowy, który zapytał, czy nie zostać zidentyfikowany, powiedział, że choć Heston jest popularny, ponieważ w pewnym sensie jest łatwy w obsłudze, ma słabe punkty. Ale powiedział również, że pomogłoby handlowcom w relacjach lepiej ocenić. Zmienność i wolumen obrotu Badacze zmieniają także GMIM na inny dobrze znany model teoretyczny, Mikser Dystrybucji Hipotez (MDH), który pochodzi z lat 70. i przewiduje związek między zmiennością a środkami płynności, takimi jak wielkość obrotu. Są to kluczowe zmienne dla strategii marketingowych, a MDH jest jednym z modeli łączących je. To, że dobre lub złe wiadomości napędzają zarówno dzienne zmiany cen, jak i wolumen obrotu. Uniwersytet północno-zachodni Torben G. Andersen stworzył zmodyfikowaną wersję w 1996 r., Która wytworzyła w dużej mierze te same wyniki. Andersen zrobił to dobrze przed wybuchem danych o wysokiej częstotliwości. Wiele z tej pracy, którą zbierałem ręcznie, mówi, przypominając sobie, że jego biblioteka ma robić kserokopia dziennych danych dotyczących cen akcji i danych dotyczących wolumenu obrotu. Nie wiem, ile książek miałem skopiować z tych stron, ale to była bardzo żmudna praca i ograniczona liczba dostępnych zasobów. Mówi on, że chociaż zmienność stała się coraz większą cechą rynku od tego czasu, wolumeny również wzrosły. Inwestycje instytucjonalne wzrosły, koszty handlowe spadły, a firmy HFT codziennie dodawały miliony transakcji do rynków globalnych. Te rzeczy mają wpływ na głośność inaczej, niż mają zmienność. Xiu i Li ponownie testowali MDH za pomocą GMIM, używając czterech lat wartości danych dotyczących handlu wewnątrz dnia, gromadzonych co pięć minut. Analizowali dane z cen akcji 3M, General Electric, IBM, JP Morgan Chase i Procter amp Gamble. Odkrywają, że model modyfikowanego modelu MDH firmy Andersens utrzymuje się umiarkowany. Jego model przewiduje, że istnieje związek między wielkością a zmiennością, i znaleźliśmy dowody na to, Xiu mówi. Więc kiedy zmienność jest wysoka, wolumen obrotu jest równie dobrze. Ale stosunek, jaki model przewiduje między zmiennością i objętością, jest niewłaściwy przez około połowę czasu. Znajdą na przykład, że wiadomości mają większy wpływ podczas kryzysu. Nasze dowody sugerują, że zmodyfikowany model MDH wymaga dalszego udoskonalenia, aby w pełni uwzględnić modelowanie danych o wysokiej częstotliwości w ciągu dnia, pisze autor. Andersen twierdzi, że w latach dziewięćdziesiątych było ekscytujące, aby móc wyciągnąć związek między zmiennością i objętością, ale zdawał sobie sprawę z ograniczeń danych. Xiu i Li, mówi, przeglądają pracę w duchu jak to zrobiliśmy. Xiu mówi, że następnym krokiem dla badaczy jest zastanowienie się, jak HFT wpływa na związek między zmiennością a płynnością. Wymaga to użycia danych o wyższej częstotliwości. Xiu i Li testowali swoje teorie, korzystając ze zbieranych danych co sekundę, ale Xiu twierdzi, że ich metoda będzie w stanie obsłużyć dane zebrane w czasie krótszym niż sekunda. Wraz z handlem coraz szybciej, nawet ta praca tylko zarysowuje powierzchnię tego, co przyszli statystycy będą mogli analizować. z Johnem Hintze