מבנה שוק אמפירי

מאז אוגוסט 2020, יותר מ-800 מיליארד דולר של ביטקוין הנקוב ב-USD נסחר ב-Binance - ללא ספק הגדול ביותר החלפת ביטקוין. כמו בשווקים אחרים, רוב הנזילות הניתנת ב-Binance מגיעה מעושי שוק: חברות שמוכנות גם לקנות וגם למכור ביטקוין בתקווה שירוויחו ממרווח ההצעה.

מהו מיקרו-מבנה של שוק?

שוק מיקרו-מבנה תיאוריה מוכרzכלומר, היווצרות המחירים נקבעת על ידי גורמים אנדוגניים, כמו גם אקסוגניים. נזילות, השפעת שוק, עלויות עסקה (גלישה), תנודתיות והמכניקה של ספר הזמנות הגבול ממלאים תפקיד משמעותי.

התיאוריה הכלכלית הקלאסית של היצע וביקוש מניחה שכל משקיע שמוכן לקנות ולמכור במחיר שיווי המשקל יכול לעשות זאת בדרך כלל. במציאות, עצם הקנייה או המכירה של נייר ערך משנה את מחיר השוק; לעסקאות יש השפעה על השוק.

משקיע שרוצה לקנות או למכור כמות גדולה של ביטקוין לא יבצע את כל ההזמנה בבת אחת. במקום זאת, הם יעשו זאת בהדרגה, לאורך זמן, כדי לקנות במחיר הנמוך ביותר או למכור במחיר הגבוה ביותר. סטן דרוקנמילר - שיחד עם ג'ורג' סורוס, שבר את הבנק של אנגליה in 1992- הזכיר לאחרונה שהוא ניסה לקנות 100 מיליון דולר בביטקוין בשנת 2018. בהיעדר נזילות, לקח לו שבועיים לקנות 20 מיליון דולר, ואז הוא ויתר.

לפיכך, השפעת השוק של מסחר ממלאת תפקיד משמעותי בהחלטות של משקיעים לקנות או למכור נייר ערך, אשר בתורו משפיע על המחיר שבו נייר ערך זה נסחר.

מה לגבי רעילות זרימת סדר?

כל משתתפי השוק נכנסים לשוק בתקווה להרוויח, ובכל זאת עושי שוק וסוחרים מרוויחים (או מפסידים) כסף בדרכים שונות מהותית. עושי שוק קונים ומוכרים ביטקוין בתקווה לזכות במרווח הצעות מחיר. סוחרים קונים ומוכרים ביטקוין מכיוון שיש להם אמונה מושכלת או לא מושכלת לגבי שינויים עתידיים במחיר.

כדי לזכות במרווח של הצעות מחיר, עושי שוק חייבים לנהל באופן פעיל מלאי של ביטקוין ו-Tether כאחד. כאשר תזרימי המסחר מאוזנים, הם יכולים למכור ביטקוין בהזמנה ולקנות אותו בחזרה בהצעה, תוך רווח. עם זאת, אם תזרימי המסחר הופכים לא מאוזנים מדי, זה הופך להיות קשה יותר עבור עושי שוק לגלגל את המלאי שלהם ברווח. בדרך כלל, עושי שוק יעלו אז את המחיר שהם גובים עבור השירותים שלהם - מרווח הצעות מחיר - מה שמגדיל את עלויות המסחר (גלישה) לסוחרים.

עושי שוק וסוחרים מרוויחים (או מפסידים) כסף בדרכים שונות מהותית

ההצעה והבקשה שבהן עושי שוק מוכנים לספק נזילות נקבעת לפי המידה שבה הם נבחרים לרעה על ידי סוחרים מושכלים. אם תזרימי ההזמנות הופכים לא מאוזנים בגלל שסוחרים מיודעים קונים או מוכרים ביטקוין, תזרים ההזמנות הזה נחשב רעיל.

הזמנת רעילות זרימה והתרסקות הבזק

בשנת 2010 פרסמו שלושה חוקרים מקורנל בשיתוף עם Tudor Investment Group א מאמר המתאר כיצד התרסקות הבזק של 2010 - שבמהלכה מדד הדאו ג'ונס התעשייתי (DJIA) צלל לזמן קצר ב-9% לפני שהתאושש מיד - נגרמה על ידי כמות קיצונית של רעילות זרימת הזמנות.

המודל המשמש לזיהוי זרימת הזמנות רעילה - VPIN (הסתברות מסונכרנת בנפח למסחר מושכל) - זינק לשיאים של כל הזמנים בשעה שקדמה להתרסקות הבזק, וחזה בהצלחה את מה שעדיין נחשב לאירוע מסתורי.

עיתון טיודור זכה לתשומת לב תקשורתית מסוימת: בלומברג מאמר ציין כי VPIN יכול "לעזור לרגולטורים למנוע קריסות כמו הצניחות ב-6 במאי". חוקרים מהמעבדה הלאומית של לורנס ברקלי הראו ש-VIN הצליח לחזות אירועי תנודתיות גבוהה בשווקי החוזים העתידיים מינואר 2007 עד יולי 2012.

ב מבריק נייר מאוחר יותר, אותם מחברים מציינים כי רעילות גבוהה של זרימת הזמנות לא רק מאלצת את עושי השוק לצאת מהשוק; אם עושי שוק יצטרכו לזרוק את המלאי שלהם בהפסד, הם יכולים לנקז את כל הנזילות שנותרה במקום לספק אותה.

בשעות שקדמו להתרסקות ה-6 במאי, סוחרים מעודכנים מכרו בעקביות את הפוזיציות שלהם לעושי שוק, שהתמודדו עם הפסדים הולכים וגדלים. כאשר אותם עושי שוק נאלצו בסופו של דבר לפרוק את עמדותיהם, התוצאות היו קטסטרופליות. במילותיהם של החוקרים: "לרעילות קיצונית יש את היכולת להפוך ספקי נזילות לצרכני נזילות".

"לרעילות קיצונית יש את היכולת להפוך ספקי נזילות לצרכני נזילות" - המיקרו-מבנה של 'התרסקות פלאש'

אבל מה זה VPN?

VPIN מבוסס על מודל ה-PIN, הרואה במסחר משחק בין שלושה סוגים של משתתפים: סוחרים מושכלים, סוחרים חסרי ידע ועושי שוק.

ה-VIN משוער כהבדל המוחלט בין נפח קנייה למכירה בחלון היסטורי. במקום דגימה לפי זמן, ה-VIN מחושב באמצעות פסי נפח קבועים. לדוגמה, אתה יכול לדגום פעם אחת בכל פעם שהוחלפו 1000 ביטקוין.

נפח נוטה לעלות ככל שמידע חדש מגיע לשוק, ולרדת כאשר לא. לפיכך, דגימה לפי נפח דומה לדגימה לפי תנודתיות (וזרימת מידע).

הזמנה מסווגת כהזמנת קניה אם הקונה הוא סוחר מושכל; באופן דומה, הזמנה מסווגת כהזמנת מכירה אם המוכר הוא סוחר מושכל. עוד על זיהוי עסקאות קנייה ומכירה בהמשך.

זיהוי עסקאות מושכלות

כלל ה-Tick מסווג עסקאות קנייה ומכירה מושכלות על ידי זיהוי תוקף הסחר, כלומר הצד הנוטל תמחור. סוחר שרוכש ביטקוין באמצעות הוראת שוק יתאים לשאלות הטובות ביותר בספר ההזמנות - מעל ממוצע הצעת המחיר. זה הופך אותו לתוקפן. אם סוחר יגיש הוראת לימיט לקניית ביטקוין מתחת לממוצע הצעת המחיר, הזמנה זו עשויה בסופו של דבר להתמלא אם סוחר אחר ימכור באגרסיביות ביטקוין באמצעות הוראת שוק.

חוק הטיק מזהה את התוקפן בסחר על ידי הסתמכות על תצפית פשוטה. הזמנות קנייה אגרסיביות נוטות להעלות את מחיר הנכס, מכיוון שההזמנה מותאמת לבקשת הנמוכה ביותר בספר ההזמנות. באופן דומה, פקודות מכירה אגרסיביות נוטות להפחית את מחיר הנכס לאחר התאמה של ההצעה הגבוהה ביותר. ניתן להשתמש בשינוי המחיר שלאחר מכן כדי לזהות את תוקף הסחר.

עסקאות שגורמות לעליית מחירים לאחר מכן מסומנות כ-1 - קנייה. עסקאות שגרמו לירידת מחיר מסומנות -1 - מכירה. עסקאות שאינן גורמות לשינוי במחיר (מכיוון שהן לא מילאו את ההצעה הגבוהה ביותר או הנמוכה ביותר) מסומנות בסימון הקודם.

בעיות עם כלל הטיקים

בעוד שחוק הטיק (בדרך כלל) מזהה בהצלחה את הצד התוקפן, כמה מחקרים עדכניים מראים שסוחרי צד תוקפניים וסוחרים מושכלים עשויים שלא להיות שווים בשווקים בתדירות גבוהה. לדוגמה, סוחר מושכל יכול פשוט להגיש מספר פקודות הגבלה לאורך ספר ההזמנות, לבטל את אלו שאינן מתמלאות ועדיין להיראות חסרות ידיעה בהתאם לכלל ה-Tick.

היישום המקורי של VPN משתמש בגישה בייסיאנית הנקראת סיווג נפח בתפזורת (BVC) להעריך את היחס של נפח קנייה ומכירה מושכל בכל סרגל (זמן או נפח). הניסיון המעשי שלי עם BVC היה די מעורב. במקום להשתמש ב-BVC, החלטתי ללכת על אפשרות אחרת: השתמש בתגי הסחר המציינים אם הקונה או המוכר היה עושה שוק בנתוני Binance Trade הגולמיים.

Binance מפרסמת נתוני סחר חיים באמצעות זרם Websocket, שאוסף בשרת AWS מאז תחילת אוגוסט בשנה שעברה; משם מגיעים הנתונים שלי. מאז מרץ 2021, אתה יכול גם להוריד נתונים היסטוריים כאן.

מבט על VPN

חישבתי את ה-VIN באמצעות סרגלי דולר מתגלגלים עם כ-1600 דגימות ביום עם גודל חלון של 1000. זה אומר שכל דלי נפח לא בדיוק באותו גודל בדיוק. למרות זאת, ההבדלים הם מינימליים, אז אני מרגיש בנוח להשתמש ביישום המקורי מבלי לשקול דליים בודדים.

שלא כמו היישום המקורי, נפח הקנייה והמכירה סווגו באמצעות תגים ברמת המסחר המציינים אם הקונה היה עושה שוק או לא. כמו כן, בניגוד ליישום המקורי, ה-VIN אינו נייח.

נראה כי חוסר איזון בזרימת ההזמנות ירד משמעותית בשנה האחרונה, כאשר שווי השוק ונפח המסחר של הביטקוין גדלו. זה עולה בקנה אחד עם מחקרים שמראה שלמניות גדולות יותר יש מרווחי הצעות מחיר נמוכים יותר, מה שמרמז על פחות בחירה שלילית.

חוסר האיזון בזרימת ההזמנות בין פקודות קנייה ומכירה בצד התוקפן לקראת התיקון האחרון - 19 במאי 2021 - נראה מינימלי. מדד ה-VIN הנמוך יחסית מרמז שהרעילות לא שיחקה תפקיד בתיקון.

לפעמים, נראה שחוסר האיזון בזרימת ההזמנות המקומי מגיע לשיא רגע לפני ירידה דרמטית במחיר - 12 ו-18 ביוני הם הדוגמאות הטובות ביותר. עם זאת, זה יכול להיות רק אני שקורא לתוך התרשים.

חיזוי תוויות מחסום משולשות עם VPN

ה-VIN לא בהכרח תוכנן לחזות תשואות עתידיות. במקום זאת, הוא רק מתאר את חוסר האיזון הממוצע בזרימת ההזמנות המשוקללות בנפח על פני חלון היסטורי. הידע על חוסר האיזון הזה לא יכול לשמש בהכרח כדי לחזות את ההתמדה, העלייה או הירידה בחוסר האיזון העתידי. למרות זאת, חשבתי שאולי לנסות.

השתמשתי בהגדרה די סטנדרטית שהוצעה על ידי מרקוס לופז דה פראדו - הפסקה הבאה תישמע כמו ג'יבריש למי שלא מכיר למידת מכונות פיננסית, אז אל תהסס לדלג עליה.

חישבתי תוויות מחסום משולשות מותאמות לתנודתיות כדי לסווג דגימות כפוזיציות ארוכות או קצרות. רוחב התווית המרבי מוגבל ל-3.5% בכל כיוון; פגיעות מחסום אנכיות מסווגות לפי ההחזר המוחלט לאורך המיקום. חישבתי משקלי מדגם על בסיס ייחודיות ממוצעת. ה-RF מאומן עם 100 עצים, הדגימות המקסימליות הרלוונטיות לכל עץ, לא יותר מתכונה אחת לכל עץ, ועומק מרבי של 6. הנתונים מותאמים, מטוהרים, מוטל אמברגו (5%) ומאומתים על פני חמישה קפלים. . קרא את שני החלקים הראשונים של מרקוס ספר אם אתה מעוניין בפרטים.

מכיוון שנראה שיש שבירה חדה ב-VIN בסוף השנה שעברה, החלטתי להשתמש רק בנתונים מששת החודשים וחצי האחרונים; אז בערך חודש של נתונים לכל קיפול. זה מספק סך של ~250,000 דגימות.

כמו במאמר המקורי, התאמתי מדד VPIN באמצעות התפלגות לוג-נורמלית ואימנתי את המודל על ה-CDF של VPIN. השתמשתי בשבעה גדלים שונים של חלונות: 50, 100, 250, 500, 1000, 2500 ו-5000. עקומות ה-ROC על פני כל חמשת הקפלים מסומנות למטה.

המודל מתפקד בבירור פחות מהמדד של 0.5 AUC בממוצע, בעוד שהביצועים משתנים בין הקפלים. עם זאת, ייתכן שעקומת ROC וציון AUC אינם הדרך הטובה ביותר להעריך את הביצועים של (ה-CDF של) ה-VIN.

הערכת ביצועי הקצה של ה-VIN

הבעיה עם עקומת ROC ב-Financial Machine Learning היא שהם לא נותנים מושג טוב על ביצועי הקצה. זה בהחלט אפשרי - ואפילו סביר - של-VIN אין השפעה על היווצרות המחירים בתנאי שוק רגילים. ואכן, עושי השוק מצפים לתנודות בין נפח קנייה למכירה; זה רק העלות של עשיית עסקים.

אני רוצה לדעת האם לרעילות זרימה גבוהה או נמוכה במיוחד בתנאי שוק קיצוניים יש יכולת חיזוי כלשהי בביטקוין. נראה שהתשובה (להלן) היא כן.

מבט על עקומות ריקול מדויקות

עקומת Precision Recall משרטטת את ההחלפה בין Precision ו-Recall על פני ספים שונים. במקרה זה, הוא מראה שבסף גבוה מאוד, כלומר רמות נמוכות מאוד של ריקול (0.05 ומטה), הדיוק הממוצע של המודל בזיהוי עמדות ארוכות על פני כל חמשת הקפלים עולה אל שנות החמישים הגבוהות (ואולי אפילו השישים). בסף 0.6, על פני כל חמשת הקפלים, היער האקראי מזהה 75% מהמיקומים הארוכים בצורה נכונה, למרות שה-AUC הוא הרבה מתחת ל-0.5.

עקומת ה-Precision Recall עבור פוזיציות שורט מספרת סיפור דומה. למרות שה-AUC הממוצע נשאר מתחת ל-0.5 בכל חמש העקומות, יש עלייה ברמת הדיוק בספים גבוהים מאוד.

זה מצביע על כך של-VIN עשוי להיות יכולת חיזוי רק במקרים נדירים מאוד - אולי פעם או פעמיים בחודש במערך הנתונים הזה לכל היותר.

תפקיד התנודתיות

השווקים בדרך כלל מתנהגים בצורה שונה למדי בתקופות של תנודתיות גבוהה ונמוכה. יכולת הניבוי של תכונות מסוימות יורדת באופן ניכר במהלך הלם תנודתיות, בעוד שתכונות אחרות (כולל מיקרו-מבנה של שוק) הופכות רלוונטיות יותר.

מדדים של רעילות זרימת הזמנות יכולים להיות רלוונטיים במיוחד בשוק שכבר תנודתי, שבו עושי שוק כבר הגדילו את המרווח שבו הם מספקים נזילות. אם, בנוסף להתמודדות עם תנודתיות מחירים גבוהה, עושי שוק נבחרים לרעה גם על ידי סוחרים מושכלים, זה עלול להוות מעין "חצ'קונים כפולים" (אני מניח כאן כמובן).

כדי להמשיך את קו הספקולציות הזה, יש סיכוי גבוה יותר שעושי שוק יספגו הפסדים בשוק מאוד תנודתי. זה מגדיל את ההסתברות שהם זורקים את המלאי שלהם (כפי שעשו במהלך התרסקות הפלאש של 2010), מה שגורם לירידת מחירים.

הערכת VPN עם סף תנודתיות

סף תנודתיות מסיר את כל הדגימות ממערך הנתונים כאשר התנודתיות יורדת מתחת לרף מסוים. לדוגמה, במערך נתונים זה, סף התנודתיות 0.02 אינו כולל בערך שלוש חמישיות מהנתונים, אך מוביל לשיפורים דרמטיים ב-AUC, Long Precision Recall Curve ו- Short Precision Recall Curve.

ציון AUC עולה מ-0.49 (גרוע יותר ממסווג אקראי), ל-0.55 מכובד. ציון ה-AUC בכל הקפלים למעט אחד הוא הרבה מעל רף 0.5.

עבור עקומות ה-Precision Recall, נראה שההכללה של סף תנודתיות העלתה את ה-Precision באופן דרמטי על פני מגוון רחב של סף. נראה כי ל-VIN יש יכולת חיזוי גבוהה משמעותית בשווקים שכבר תנודתיים.

יתכן כמובן שהתאמתי (באיזושהי דרך) את הנתונים. ניתוח שלם יותר יחיל את אותה גישה על מטבעות קריפטו אחרים כמו Ethereum, Ripple ו-Cardano כדי להבטיח ש- VPIN אכן יכול לחזות מהלכי מחירים, וכי יכולת הניבוי שלו עולה עם התנודתיות.

מחשבות פרידה

עושי שוק ממלאים את אחד התפקידים החשובים ביותר בבורסה - הם מספקים נזילות. עם זאת, כאשר סוחרים מודיעים אוספים את ההזמנות שלהם, ספקי הנזילות הללו סובלים מהפסדים. לאחר מכן הם עומדים בפני בחירה: הם יכולים להגדיל את עלות השירותים שלהם או - במקרים חמורים - לסגת לחלוטין משוק. על ידי ניתוח חוסר האיזון בזרימת ההזמנות בין נפח הקנייה והמכירה, נוכל לדגמן את האינטראקציות בין סוחרים מושכלים ועושי שוק.

לא רק רעילות זרימת סדר יכולה להיות א מנבא טוב לתנודתיות לטווח קצר - נראה שבמקרים נדירים (מאוד) הוא יכול אפילו לחזות מהלכי מחירים גדולים יותר.

קיבולת החיזוי של VPNs עולה בחדות כאשר השוק המדובר כבר די תנודתי. אני יכול רק לשער לגבי הסיבות, אבל באמת, אני רואה שתיים.

הראשון הוא שעושי שוק פועלים בשוליים דקים כתער. כתוצאה מכך יש סיכוי גבוה יותר שיספגו הפסדים גדולים עקב בחירה שלילית בשווקים תנודתיים יותר.

יתרה מכך, המרווחים בשווקים הפכפכים כבר די רחבים. רעילות זרימת ההזמנות - בנוסף לתנודתיות - עלולה להגדיל את המרווחים (ועלויות ההחלקה לסוחרים) באופן דרסטי. המסחר הופך יקר מאוד כאשר זה קורה; אני מניח שלסוחרים יהיה סיכוי נמוך יותר לקנות בגלל השפעת המחיר הגבוהה, אבל עדיין ייאלצו למכור אם השוק מתמוטט.

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