अनुभवजन्य बाजार सूक्ष्म संरचना

2020 के अगस्त के बाद से, अब तक बिनेंस पर 800 बिलियन डॉलर से अधिक के यूएसडीटी मूल्यवर्ग के बिटकॉइन का कारोबार किया गया है। सबसे बड़ा बिटकॉइन एक्सचेंज। अन्य बाजारों की तरह, Binance पर प्रदान की जाने वाली अधिकांश तरलता बाजार निर्माताओं से आती है: कंपनियां जो इस उम्मीद में बिटकॉइन खरीदने या बेचने के लिए तैयार हैं कि वे बोली-पूछने के प्रसार पर लाभ कमाएंगे।

मार्केट माइक्रोस्ट्रक्चर क्या है?

मार्केट माइक्रोस्ट्रक्चरल थ्योरी मान्यताzयह कि मूल्य निर्माण अंतर्जात कारकों के साथ-साथ बहिर्जात कारकों द्वारा निर्धारित किया जाता है। चलनिधि, बाजार प्रभाव, लेन-देन लागत (स्लिपेज), अस्थिरता, और लिमिट ऑर्डर बुक के यांत्रिकी सभी एक महत्वपूर्ण भूमिका निभाते हैं।

आपूर्ति और मांग का शास्त्रीय आर्थिक सिद्धांत मानता है कि संतुलन कीमत पर खरीदने और बेचने के इच्छुक कोई भी निवेशक आम तौर पर ऐसा कर सकता है। वास्तव में, किसी सुरक्षा को खरीदने या बेचने का कार्य ही बाजार मूल्य को बदल देता है; ट्रेडों का बाजार पर प्रभाव पड़ता है।

एक निवेशक जो बड़ी मात्रा में बिटकॉइन खरीदना या बेचना चाहता है, वह एक बार में पूरे ऑर्डर को निष्पादित नहीं करेगा। इसके बजाय, वे ऐसा धीरे-धीरे, समय के साथ, सबसे कम कीमत पर खरीदने या उच्चतम कीमत पर बेचने के क्रम में करेंगे। स्टेन ड्रुकेंमिलर - जो जॉर्ज सोरोस के साथ, बैंक ऑफ इंग्लैंड को तोड़ाn 1992- हाल ही में उल्लेख किया है कि वह खरीदने की कोशिश की 100 में बिटकॉइन में $ 2018 मिलियन। तरलता की कमी के कारण, उसे $ 20 मिलियन खरीदने में दो सप्ताह लग गए, जिस बिंदु पर उसने हार मान ली।

इस प्रकार, एक व्यापार का बाजार प्रभाव एक सुरक्षा खरीदने या बेचने के निवेशक के निर्णयों में एक महत्वपूर्ण भूमिका निभाता है, जो बदले में उस कीमत को प्रभावित करता है जिस पर वह सुरक्षा ट्रेड करता है।

आदेश प्रवाह विषाक्तता के बारे में क्या?

सभी बाजार सहभागी लाभ कमाने की उम्मीद में बाजार में प्रवेश करते हैं, फिर भी बाजार निर्माता और व्यापारी मौलिक रूप से अलग-अलग तरीकों से पैसा कमाते हैं (या खो देते हैं)। बिड-आस्क स्प्रेड अर्जित करने की उम्मीद में बाजार निर्माता दोनों बिटकॉइन खरीदते और बेचते हैं। व्यापारी बिटकॉइन खरीदते और बेचते हैं क्योंकि उनके पास भविष्य के मूल्य परिवर्तनों के बारे में एक सूचित या बेख़बर विश्वास है।

बिड-आस्क स्प्रेड अर्जित करने के लिए, बाजार निर्माताओं को सक्रिय रूप से बिटकॉइन और टीथर दोनों की एक सूची का प्रबंधन करना चाहिए। जब व्यापार प्रवाह संतुलित होता है, तो वे मांग पर बिटकॉइन बेच सकते हैं और बोली पर इसे वापस खरीद सकते हैं, जिससे लाभ कमाया जा सकता है। हालांकि, यदि व्यापार प्रवाह बहुत अधिक असंतुलित हो जाता है, तो बाजार निर्माताओं के लिए अपनी सूची को लाभ पर रोल-ओवर करना अधिक कठिन हो जाता है। आम तौर पर, बाजार निर्माता उस कीमत में वृद्धि करेंगे जो वे अपनी सेवाओं के लिए चार्ज करते हैं - बिड-आस्क स्प्रेड - जो व्यापारियों के लिए व्यापारिक लागत (स्लिपेज) को बढ़ाता है।

बाजार निर्माता और व्यापारी मौलिक रूप से अलग-अलग तरीकों से पैसा बनाते हैं (या खोते हैं)

बोली और पूछें कि किस बाजार निर्माता तरलता प्रदान करने के इच्छुक हैं, यह उस डिग्री से निर्धारित होता है, जिस पर उन्हें सूचित व्यापारियों द्वारा प्रतिकूल रूप से चुना जा रहा है। यदि ऑर्डर प्रवाह असंतुलित हो जाता है क्योंकि सूचित व्यापारी बिटकॉइन खरीद या बेच रहे हैं, तो उस ऑर्डर प्रवाह को विषाक्त माना जाता है।

आदेश प्रवाह विषाक्तता और फ्लैश क्रैश

2010 में, ट्यूडर इन्वेस्टमेंट ग्रुप के सहयोग से कॉर्नेल के तीन शोधकर्ताओं ने प्रकाशित किया काग़ज़ यह वर्णन करते हुए कि 2010 की फ्लैश दुर्घटना - जिसके दौरान डॉव जोन्स इंडस्ट्रियल एवरेज (डीजेआईए) तुरंत ठीक होने से पहले 9% गिर गया था - अत्यधिक मात्रा में ऑर्डर फ्लो विषाक्तता के कारण हुआ था।

टॉक्सिक ऑर्डर फ्लो की पहचान करने के लिए इस्तेमाल किया जाने वाला मॉडल - वीपीएन (सूचित ट्रेडिंग की वॉल्यूम-सिंक्रोनाइज़्ड प्रोबेबिलिटी) - फ्लैश क्रैश तक पहुंचने वाले घंटे में सभी समय के उच्च स्तर तक पहुंच गया, और सफलतापूर्वक भविष्यवाणी की गई कि अभी भी एक रहस्य घटना माना जाता है।

ट्यूडर पेपर ने कुछ मीडिया का ध्यान आकर्षित किया: एक ब्लूमबर्ग लेख ने बताया कि वीपीएन "नियामकों को 6 मई की गिरावट जैसे दुर्घटनाओं को रोकने में मदद कर सकता है"। लॉरेंस बर्कले नेशनल लेबोरेटरी के शोधकर्ताओं ने दिखाया कि वीपीएन ने जनवरी 2007 से जुलाई 2012 तक वायदा बाजारों में उच्च अस्थिरता की घटनाओं की भविष्यवाणी की थी।

शानदार में बाद का पेपर, वही लेखक बताते हैं कि उच्च ऑर्डर प्रवाह विषाक्तता केवल बाज़ार निर्माताओं को बाज़ार से बाहर करने के लिए बाध्य नहीं करती है; अगर बाजार निर्माताओं को अपनी इन्वेंट्री को नुकसान में डंप करना पड़ता है, तो वे इसे उपलब्ध कराने के बजाय किसी भी शेष तरलता को समाप्त कर सकते हैं।

6 मई की दुर्घटना से पहले के घंटों में, सूचित व्यापारी लगातार अपने पदों को बाजार निर्माताओं को बेच रहे थे, जिन्हें बढ़ते नुकसान का सामना करना पड़ा। जब इन्हीं बाजार निर्माताओं को अंततः अपने पदों को खोलने के लिए मजबूर किया गया, तो परिणाम भयावह थे। शोधकर्ताओं के शब्दों में: "अत्यधिक विषाक्तता में तरलता प्रदाताओं को तरलता उपभोक्ताओं में बदलने की क्षमता है"।

"अत्यधिक विषाक्तता में तरलता प्रदाताओं को तरलता उपभोक्ताओं में बदलने की क्षमता है" - 'फ्लैश क्रैश' की सूक्ष्म संरचना

लेकिन वीपीएन क्या है?

वीपीएन पिन मॉडल पर आधारित है, जो व्यापार को तीन प्रकार के प्रतिभागियों के बीच एक खेल के रूप में देखता है: सूचित व्यापारी, बेख़बर व्यापारी और बाज़ार निर्माता।

वीपीएन को ऐतिहासिक विंडो पर खरीदने और बेचने की मात्रा के बीच पूर्ण अंतर के रूप में अनुमानित किया जाता है। समय के अनुसार नमूना लेने के बजाय, वीपीएन की गणना निश्चित-राशि वॉल्यूम बार का उपयोग करके की जाती है। उदाहरण के लिए, आप हर बार 1000 बिटकॉइन के आदान-प्रदान पर एक बार नमूना ले सकते हैं।

जैसे-जैसे नई जानकारी बाजार में आती है, वॉल्यूम बढ़ता जाता है और जब ऐसा नहीं होता है तो घट जाता है। इस प्रकार, मात्रा द्वारा नमूनाकरण अस्थिरता (और सूचना प्रवाह) द्वारा नमूनाकरण के समान है।

एक ऑर्डर को बाय-ऑर्डर के रूप में वर्गीकृत किया जाता है यदि खरीदार एक सूचित व्यापारी है; इसी तरह, यदि विक्रेता एक सूचित व्यापारी है तो ऑर्डर को बिक्री ऑर्डर के रूप में वर्गीकृत किया जाता है। आगे खरीदने और बेचने के ट्रेडों की पहचान करने के बारे में अधिक जानकारी।

सूचित ट्रेडों की पहचान करना

टिक रूल ट्रेड एग्रेसर यानी मूल्य निर्धारण पार्टी की पहचान करके सूचित खरीद और बिक्री ट्रेडों को वर्गीकृत करता है। एक व्यापारी जो एक मार्केट ऑर्डर के माध्यम से बिटकॉइन खरीदता है, उसे ऑर्डर बुक में सबसे अच्छे आस्क के साथ मिलान किया जाएगा - बिड-आस्क माध्य से ऊपर। यह उसे आक्रामक बनाता है। यदि कोई व्यापारी बोली-पूछने के माध्य से नीचे बिटकॉइन खरीदने के लिए एक सीमा आदेश प्रस्तुत करता है, तो वह आदेश अंततः भर सकता है यदि कोई अन्य व्यापारी बाजार आदेश के माध्यम से बिटकॉइन को आक्रामक रूप से बेचता है।

टिक रूल एक साधारण अवलोकन पर भरोसा करके व्यापार हमलावर की पहचान करता है। आक्रामक खरीद आदेश एक परिसंपत्ति की कीमत में वृद्धि करते हैं, क्योंकि ऑर्डर ऑर्डर बुक में सबसे कम मांग के साथ मेल खाता है। इसी तरह, उच्चतम बोली के मिलान के बाद आक्रामक बिक्री आदेश किसी परिसंपत्ति की कीमत को कम करते हैं। बाद के मूल्य परिवर्तन का उपयोग व्यापार हमलावर की पहचान करने के लिए किया जा सकता है।

बाद में मूल्य वृद्धि का कारण बनने वाले ट्रेडों को 1 - एक खरीद के रूप में लेबल किया जाता है। जिन ट्रेडों के कारण कीमतों में कमी आई है, उन्हें -1 लेबल किया गया है - एक बिक्री। ट्रेड जो कीमत में बदलाव का कारण नहीं बनते हैं (क्योंकि उन्होंने उच्चतम बोली नहीं भरी या पूरी तरह से सबसे कम पूछो) पिछले टिक के साथ लेबल किए गए हैं।

टिक नियम के साथ समस्याएं

जबकि टिक नियम (आम तौर पर) सफलतापूर्वक आक्रामक पक्ष की पहचान करता है, कुछ हालिया शोध बताते हैं कि आक्रामक पक्ष के व्यापारी और सूचित व्यापारी उच्च आवृत्ति वाले बाजारों में समान नहीं हो सकते हैं। उदाहरण के लिए, एक सूचित व्यापारी केवल ऑर्डर बुक में कई सीमा आदेश जमा कर सकता है, जो नहीं भरते हैं उन्हें रद्द कर सकता है, और फिर भी टिक नियम के अनुसार बेख़बर दिखाई देता है।

वीपीएन का मूल कार्यान्वयन बायेसियन दृष्टिकोण का उपयोग करता है जिसे कहा जाता है थोक मात्रा वर्गीकरण (बीवीसी) प्रत्येक बार (या तो समय या मात्रा आधारित) में सूचित खरीद और बिक्री मात्रा के अनुपात का अनुमान लगाने के लिए। बीवीसी के साथ मेरा व्यावहारिक अनुभव मिला-जुला रहा है। बीवीसी का उपयोग करने के बजाय, मैंने एक अन्य विकल्प के साथ जाने का फैसला किया: व्यापार टैग का उपयोग करें जो निर्दिष्ट करता है कि खरीदार या विक्रेता कच्चे बिनेंस ट्रेड डेटा में बाजार निर्माता थे या नहीं।

Binance एक वेबसोकेट स्ट्रीम के माध्यम से लाइव ट्रेड डेटा प्रकाशित करता है, जिसे मैं पिछले साल अगस्त की शुरुआत से AWS सर्वर पर एकत्र कर रहा हूं; वहीं से मेरा डेटा आता है। मार्च 2021 से आप ऐतिहासिक डेटा भी डाउनलोड कर सकते हैं को यहाँ से डाउनलोड कर सकते हैं।

वीपीएन पर एक नजर

मैंने प्रति दिन लगभग 1600 नमूनों के साथ रोलिंग डॉलर बार्स का उपयोग करके वीपीएन की गणना की है, जिसका विंडो आकार 1000 है। इसका मतलब है कि प्रत्येक वॉल्यूम बकेट सख्ती से एक ही आकार की बात नहीं कर रहा है। फिर भी, अंतर न्यूनतम हैं, इसलिए मैं अलग-अलग बाल्टियों को भारित किए बिना मूल कार्यान्वयन का उपयोग करने में सहज महसूस करता हूं।

मूल कार्यान्वयन के विपरीत, खरीद और बिक्री की मात्रा को व्यापार स्तर टैग का उपयोग करके वर्गीकृत किया गया है जो निर्दिष्ट करता है कि खरीदार एक बाजार निर्माता था या नहीं। इसके अलावा, मूल कार्यान्वयन के विपरीत, वीपीएन स्थिर नहीं है।

पिछले एक साल में ऑर्डर फ्लो असंतुलन में काफी कमी आई है क्योंकि बिटकॉइन के बाजार पूंजीकरण और ट्रेडिंग वॉल्यूम में वृद्धि हुई है। यह शोध के अनुरूप है जिसमें दिखाया गया है कि बड़े शेयरों में कम बोली-पूछने का फैलाव होता है, जिसका अर्थ है कम प्रतिकूल चयन।

आक्रामक पक्ष के बीच ऑर्डर फ्लो असंतुलन अंतिम सुधार तक ले जाने वाले ऑर्डर को खरीदते और बेचते हैं - 19 मई 2021- न्यूनतम दिखाई देते हैं। अपेक्षाकृत कम वीपीएन मीट्रिक का अर्थ है कि विषाक्तता ने सुधार में कोई भूमिका नहीं निभाई।

कभी-कभी, स्थानीय ऑर्डर फ्लो असंतुलन कीमत में नाटकीय कमी से ठीक पहले चरम पर लगता है - 12 और 18 जून सबसे अच्छे उदाहरण हैं। हालाँकि, यह सिर्फ मैं चार्ट में पढ़ रहा हो सकता है।

वीपीएन के साथ ट्रिपल बैरियर लेबल की भविष्यवाणी करना

जरूरी नहीं कि वीपीएन को भविष्य के रिटर्न की भविष्यवाणी करने के लिए डिज़ाइन किया गया हो। इसके बजाय, यह केवल ऐतिहासिक विंडो पर औसत, वॉल्यूम-भारित ऑर्डर प्रवाह असंतुलन का वर्णन करता है। इन असंतुलनों के ज्ञान का उपयोग भविष्य के असंतुलन में दृढ़ता, वृद्धि या कमी का अनुमान लगाने के लिए आवश्यक रूप से नहीं किया जा सकता है। फिर भी, मैंने सोचा कि मैं इसे एक शॉट दे सकता हूं।

मैंने मार्कोस लोपेज़ डी प्राडो द्वारा प्रस्तावित एक सुंदर मानक सेटअप का उपयोग किया है - निम्नलिखित पैराग्राफ वित्तीय मशीन लर्निंग से परिचित नहीं लोगों के लिए अस्पष्ट की तरह लगेगा, इसलिए इसे छोड़ने के लिए स्वतंत्र महसूस करें।

मैंने नमूने को लंबी या छोटी स्थिति के रूप में वर्गीकृत करने के लिए अस्थिरता समायोजित ट्रिपल बैरियर लेबल की गणना की है। अधिकतम लेबल चौड़ाई किसी भी दिशा में 3.5% पर छाया हुआ है; वर्टिकल बैरियर हिट्स को स्थिति की लंबाई पर निरपेक्ष रिटर्न द्वारा वर्गीकृत किया जाता है। मैंने औसत विशिष्टता के आधार पर नमूना भार की गणना की है। आरएफ को 100 पेड़ों, प्रति पेड़ प्रासंगिक अधिकतम नमूने, प्रति पेड़ एक से अधिक विशेषता और 6 की अधिकतम गहराई के साथ प्रशिक्षित किया जाता है। डेटा को स्केल किया जाता है, शुद्ध किया जाता है, प्रतिबंधित किया जाता है (5%), और पांच फोल्ड में क्रॉस-वैलिडेट किया जाता है। . मार्कोस के पहले दो भाग पढ़ें' किताब यदि आप विवरण में रुचि रखते हैं।

चूंकि पिछले साल के अंत में वीपीएन में तेज ब्रेक लग रहा है, इसलिए मैंने केवल पिछले साढ़े छह महीनों के डेटा का उपयोग करने का निर्णय लिया; तो लगभग एक महीने का डेटा प्रति गुना। यह कुल ~ 250,000 नमूने बनाता है।

जैसा कि मूल पेपर में था, मैंने लॉग-सामान्य वितरण का उपयोग करके वीपीएन मीट्रिक लगाया और वीपीएन के सीडीएफ पर मॉडल को प्रशिक्षित किया। मैंने सात अलग-अलग विंडो आकारों का उपयोग किया: 50, 100, 250, 500, 1000, 2500, और 5000। सभी पाँच सिलवटों में आरओसी वक्र नीचे प्लॉट किए गए हैं।

मॉडल स्पष्ट रूप से औसतन 0.5 एयूसी बेंचमार्क से कम प्रदर्शन करता है, जबकि प्रदर्शन कई गुना भिन्न होता है। फिर भी, एक आरओसी वक्र और एयूसी स्कोर वीपीएन के (सीडीएफ) के प्रदर्शन का मूल्यांकन करने का सबसे अच्छा तरीका नहीं हो सकता है।

वीपीएन के टेल एंड प्रदर्शन का मूल्यांकन

फाइनेंशियल मशीन लर्निंग में आरओसी कर्व के साथ समस्या यह है कि वे टेल एंड परफॉर्मेंस का अच्छा विचार नहीं देते हैं। यह पूरी तरह से संभव है - और यहां तक ​​​​कि संभावित - कि सामान्य बाजार स्थितियों के दौरान मूल्य निर्माण पर वीपीएन का कोई प्रभाव नहीं पड़ता है। दरअसल, बाजार निर्माताओं को खरीद और बिक्री की मात्रा के बीच उतार-चढ़ाव की उम्मीद है; यह सिर्फ व्यवसाय करने की लागत है।

मैं जानना चाहता हूं कि चरम बाजार स्थितियों के दौरान अत्यधिक उच्च या निम्न ऑर्डर प्रवाह विषाक्तता बिटकॉइन में कोई भविष्यवाणी क्षमता है या नहीं। उत्तर (नीचे) हाँ प्रतीत होता है।

प्रेसिजन रिकॉल कर्व्स पर एक नजर

एक प्रेसिजन रिकॉल कर्व विभिन्न थ्रेसहोल्ड में प्रेसिजन और रिकॉल के बीच ट्रेडऑफ को प्लॉट करता है। इस मामले में, यह दर्शाता है कि बहुत उच्च थ्रेशोल्ड पर, यानी बहुत कम स्तर का रिकॉल (0.05 और निचला), सभी पांच तहों में लंबी स्थिति की पहचान करने में मॉडल की औसत सटीकता उच्च अर्द्धशतक (और शायद साठ के दशक) में भी बढ़ जाती है। 0.6 थ्रेसहोल्ड पर, सभी पांच तहों में, रैंडम फ़ॉरेस्ट 75% लॉन्ग पोजीशन की सही पहचान करता है, भले ही AUC 0.5 से नीचे हो।

शॉर्ट पोजीशन के लिए प्रेसिजन रिकॉल कर्व एक समान कहानी बताता है। भले ही सभी पांच वक्रों में औसत एयूसी 0.5 से नीचे रहता है, लेकिन बहुत अधिक थ्रेसहोल्ड पर सटीकता में वृद्धि होती है।

इससे पता चलता है कि वीपीएन में बहुत ही दुर्लभ मामलों में भविष्यवाणी करने की क्षमता हो सकती है - शायद इस डेटासेट में महीने में एक या दो बार।

अस्थिरता की भूमिका

बाजार आमतौर पर उच्च और निम्न अस्थिरता की अवधि के दौरान काफी भिन्न व्यवहार करते हैं। अस्थिरता के झटके के दौरान कुछ विशेषताओं की भविष्यवाणी काफी कम हो जाती है, जबकि अन्य विशेषताएं (मार्केट माइक्रोस्ट्रक्चरल सहित) अधिक प्रासंगिक हो जाती हैं।

ऑर्डर फ्लो विषाक्तता के उपाय विशेष रूप से एक ऐसे बाजार में प्रासंगिक हो सकते हैं जो पहले से ही अस्थिर है, जहां बाजार निर्माताओं ने पहले से ही उस प्रसार को चौड़ा कर दिया है जिस पर वे तरलता प्रदान करते हैं। यदि, उच्च मूल्य अस्थिरता से निपटने के अलावा, बाजार निर्माताओं को भी सूचित व्यापारियों द्वारा प्रतिकूल रूप से चुना जा रहा है, तो यह एक प्रकार की "दोहरी मार" (मैं विशुद्ध रूप से यहां निश्चित रूप से अनुमान लगा रहा हूं) बना सकता हूं।

अटकलों की इस पंक्ति को जारी रखने के लिए, बाजार निर्माताओं को अत्यधिक अस्थिर बाजार में नुकसान उठाने की अधिक संभावना हो सकती है। इससे यह संभावना बढ़ जाती है कि वे अपनी इन्वेंट्री को डंप कर देते हैं (जैसा कि उन्होंने 2010 के फ्लैश क्रैश के दौरान किया था), जिससे कीमत में कमी आई।

एक अस्थिरता थ्रेशोल्ड के साथ वीपीएन का मूल्यांकन

एक अस्थिरता सीमा डेटासेट से सभी नमूनों को हटा देती है जहां अस्थिरता एक निश्चित बेंचमार्क से नीचे आती है। उदाहरण के लिए, इस डेटासेट में, एक अस्थिरता थ्रेशोल्ड 0.02 डेटा के लगभग तीन-पांचवें हिस्से को बाहर करता है, लेकिन AUC, लॉन्ग प्रिसिजन रिकॉल कर्व और शॉर्ट प्रिसिजन रिकॉल कर्व में नाटकीय सुधार करता है।

AUC स्कोर 0.49 (यादृच्छिक क्लासिफायर से भी बदतर) से बढ़कर 0.55 हो गया है। एक को छोड़कर सभी स्तरों में AUC स्कोर 0.5 बेंचमार्क से काफी ऊपर है।

प्रेसिजन रिकॉल कर्व्स के लिए, एक अस्थिरता थ्रेशोल्ड को शामिल करने से लगता है कि प्रेसिजन नाटकीय रूप से विभिन्न थ्रेसहोल्ड में बढ़ा है। ऐसा लगता है कि पहले से ही अस्थिर बाजारों में वीपीएन की भविष्यवाणी करने की क्षमता काफी अधिक है।

यह निश्चित रूप से संभव है कि मेरे पास (किसी तरह से) डेटा ओवरफिट हो। एक अधिक पूर्ण विश्लेषण अन्य क्रिप्टोकरेंसी जैसे एथेरियम, रिपल और कार्डानो के लिए इसी दृष्टिकोण को लागू करेगा ताकि यह सुनिश्चित हो सके कि वीपीएन वास्तव में मूल्य चाल की भविष्यवाणी कर सकता है, और इसकी भविष्य कहनेवाला क्षमता अस्थिरता के साथ बढ़ती है।

विचार भाग

बाजार निर्माता एक्सचेंज पर सबसे महत्वपूर्ण भूमिका निभाते हैं- वे तरलता प्रदान करते हैं। हालांकि, जब सूचित व्यापारी अपने ऑर्डर वापस ले लेते हैं, तो इन तरलता प्रदाताओं को नुकसान उठाना पड़ता है। फिर उन्हें एक विकल्प का सामना करना पड़ता है: वे अपनी सेवाओं की लागत बढ़ा सकते हैं या - गंभीर मामलों में - पूरी तरह से बाजार से वापस ले सकते हैं। खरीद और बिक्री की मात्रा के बीच ऑर्डर प्रवाह असंतुलन का विश्लेषण करके, हम सूचित व्यापारियों और बाजार निर्माताओं के बीच बातचीत का मॉडल बना सकते हैं।

न केवल प्रवाह विषाक्तता का आदेश दिया जा सकता है a अल्पकालिक अस्थिरता का अच्छा भविष्यवक्ता - ऐसा लगता है, कि कुछ (बहुत) दुर्लभ मामलों में, यह बड़ी कीमतों की चाल की भविष्यवाणी भी कर सकता है।

जब बाजार में पहले से ही काफी उतार-चढ़ाव होता है, तो वीपीएन की भविष्य कहनेवाला क्षमता तेजी से बढ़ जाती है। मैं केवल कारणों के बारे में अनुमान लगा सकता हूं, लेकिन वास्तव में, मुझे दो दिखाई देते हैं।

पहला यह है कि बाजार निर्माता रेज़र-थिन मार्जिन पर काम करते हैं। परिणामस्वरूप अधिक अस्थिर बाजारों में प्रतिकूल चयन के कारण उन्हें बड़े नुकसान होने की अधिक संभावना है।

इसके अलावा, अस्थिर बाजारों में फैलाव पहले से ही काफी व्यापक है। ऑर्डर फ्लो टॉक्सिसिटी - अस्थिरता के अलावा - स्प्रेड (और व्यापारियों के लिए फिसलन लागत) में भारी वृद्धि कर सकता है। ऐसा होने पर ट्रेडिंग बहुत महंगी हो जाती है; मुझे लगता है कि उच्च कीमत प्रभाव के कारण व्यापारियों को खरीदने की संभावना कम होगी, लेकिन अगर बाजार गिर रहा है तो उन्हें बेचने के लिए मजबूर होना पड़ेगा।

स्रोत: https://medium.com/@lucasastorian/empirical-market-microstructure-f67eff3517e0?source=rss——-8———————————————————————————————————————————