経験的なマーケットマイクロストラクチャー

2020 年 800 月以来、XNUMX 億ドルを超える USDT 建てビットコインがバイナンスで取引されています。 最大の ビットコイン取引所。他の市場と同様、バイナンスで提供される流動性のほとんどはマーケットメーカー、つまり買値と売値のスプレッドで利益を上げることを期待してビットコインの売買の両方を行う企業から来ています。

市場のミクロ構造とは何ですか?

市場微細構造理論の認識z価格形成は外生的要因だけでなく内生的要因によっても決定されるということです。流動性、市場への影響、取引コスト（スリッページ）、ボラティリティ、指値注文ブックの仕組みはすべて重要な役割を果たします。

需要と供給に関する古典的な経済理論では、均衡価格で売り買いする意欲のある投資家は通常そうすることができると想定しています。実際には、証券を売買するという行為自体が市場価格を変化させます。取引は市場に影響を与えます。

大量のビットコインを売買したい投資家は、注文全体を一度に執行することはありません。代わりに、最低価格で購入するか、最高価格で販売するために、時間をかけて徐々に実行します。スタン・ドラッケンミラー — ジョージ・ソロスとともに、 私はイングランド銀行を破った1992年—最近、彼は次のように述べました。 購入しようとしました 100年に2018億ドルのビットコインを購入。流動性が不足していたので、20万ドルを購入するのにXNUMX週間かかったが、その時点で断念した。

したがって、取引の市場への影響は、証券を売買する投資家の決定に重要な役割を果たし、それがその証券の取引価格に影響を与えます。

オーダーフローの毒性についてはどうですか?

すべての市場参加者は利益を得ることを期待して市場に参入しますが、マーケットメーカーとトレーダーは根本的に異なる方法でお金を稼ぎます（または損失します）。マーケットメーカーは買値と買値のスプレッドを獲得することを期待してビットコインを売り買いします。トレーダーは、将来の価格の変化について情報に基づいて、または情報に基づいていない信念を持っているため、ビットコインを売買します。

買値と買値のスプレッドを獲得するには、マーケットメーカーはビットコインとテザーの両方の在庫を積極的に管理する必要があります。取引フローのバランスが取れている場合、売り値でビットコインを売り、売り値で買い戻すことで利益を得ることができます。しかし、取引の流れが不均衡になりすぎると、マーケットメーカーが利益を得るために在庫をロールオーバーすることがより困難になります。一般に、マーケットメーカーはサービスに請求する価格、つまり買値と売値のスプレッドを引き上げることになり、トレーダーの取引コスト（スリッページ）が増加します。

マーケットメーカーとトレーダーは根本的に異なる方法でお金を稼ぐ（または失う）

マーケットメーカーが流動性を提供するビッドアンドアスクは、情報に通じたトレーダーによってどの程度不利に選択されるかによって決まります。情報に基づいたトレーダーがビットコインを売買しているために注文フローが不均衡になった場合、その注文フローは有害であると考えられます。

オーダーフローの毒性とフラッシュクラッシュ

2010 年、コーネル大学の XNUMX 人の研究者がチューダー インベストメント グループと協力して、 紙 この論文は、2010 年のフラッシュ クラッシュ (ダウ ジョーンズ工業株平均 (DJIA) が一時 9% 下落し、その後すぐに回復した) が、極度の注文フローの毒性によってどのように引き起こされたかを説明しています。

有害な注文フローを特定するために使用されたモデル、VPIN (情報に基づいた取引の出来高同期確率) は、フラッシュクラッシュに至るまでの 1 時間で史上最高値に急上昇し、未だに謎の出来事と考えられているものの予測に成功しました。

チューダー朝の論文はメディアの注目を集めた: ブルームバーグ 記事 VPINは「規制当局が6月2007日の暴落のような暴落を防ぐのに役立つ」可能性があると指摘した。ローレンス・バークレー国立研究所の研究者は、VPIN が 2012 年 XNUMX 月から XNUMX 年 XNUMX 月までの先物市場における高ボラティリティのイベントをうまく予測したことを示しました。

華麗に 後の紙、同じ著者は、高次フローの毒性はマーケットメーカーを市場から追い出すだけではない、と指摘しています。マーケットメーカーが損失を出して在庫を放出しなければならない場合、残りの流動性を供給する代わりに使い果たしてしまうことになる。

6月XNUMX日の暴落に至るまでの数時間、情報を得たトレーダーたちは損失の増大に直面したマーケットメーカーにポジションを売り続けていた。これらの同じマーケットメーカーが最終的にポジションの解消を余儀なくされたとき、その結果は壊滅的なものでした。研究者の言葉を借りると、「極度の毒性は、流動性の提供者を流動性の消費者に変える能力を持っています。」

「極度の毒性は、流動性の提供者を流動性の消費者に変える能力を持っています。」 「フラッシュクラッシュ」の微細構造

しかし、VPIN とは何でしょうか?

VPIN は PIN モデルに基づいており、取引を 3 種類の参加者 (情報を持ったトレーダー、情報を知らないトレーダー、マーケット メーカー) 間のゲームとして捉えます。

VPIN は、過去のウィンドウにおける買いと売りの出来高の絶対差として近似されます。 VPIN は、時間によるサンプリングの代わりに、固定量のボリュームバーを使用して計算されます。たとえば、1000 ビットコインが交換されるたびに XNUMX 回サンプリングできます。

新しい情報が市場に登場するとボリュームは増加し、そうでない場合は減少する傾向があります。したがって、ボリュームによるサンプリングは、ボラティリティ (および情報フロー) によるサンプリングに似ています。

買い手が知識のあるトレーダーである場合、注文は買い注文として分類されます。同様に、売り手が知識のあるトレーダーである場合、注文は売り注文として分類されます。次に、売買取引の識別について詳しく説明します。

情報に基づいた取引の特定

ティックルールは、取引の侵略者、つまり価格決定者を特定することにより、情報に基づいた売買取引を分類します。成行注文を通じてビットコインを購入するトレーダーは、オーダーブック内の最良の売り値、つまり買い値と売り値の平均を上回る値と一致します。これにより彼は攻撃者になります。トレーダーが指値注文を提出して買値平均を下回ってビットコインを購入した場合、別のトレーダーが成行注文を通じて積極的にビットコインを売却した場合、その注文は最終的に約定する可能性があります。

ティック ルールは、単純な観察に基づいて貿易侵略者を特定します。積極的な買い注文は、注文帳の最低アスクと一致するため、資産の価格が上昇する傾向があります。同様に、積極的な売り注文は、最高入札額が一致した後に資産価格を下げる傾向があります。その後の価格の変化を利用して、取引の侵略者を特定できます。

その後の価格上昇を引き起こす取引には、1 (買い) のラベルが付けられます。価格の下落を引き起こした取引には -1 (売り) というラベルが付けられます。価格の変化を引き起こさない取引（最高値ビッドまたは最低アスクを完全に満たさなかったため）には、前のティックが付けられます。

ティックルールの問題

ティックルールは（一般に）攻撃者側を特定することに成功していますが、最近の研究では、攻撃者側のトレーダーと情報に基づいたトレーダーは高頻度市場では同等ではない可能性があることを示唆しています。たとえば、十分な知識を持ったトレーダーは、オーダーブック全体で複数の指値注文を送信し、約定しないものはキャンセルするだけで、ティック ルールに従ってまだ情報がないと思われる可能性があります。

VPIN の元の実装では、と呼ばれるベイジアン アプローチが使用されます。 バルクボリューム分類 (BVC) 各足における情報に基づいた買いと売りの出来高の割合を近似します (時間ベースまたは出来高ベース)。 BVC に関する私の実際の経験は、かなり複雑なものでした。 BVC を使用する代わりに、私は別のオプションを使用することにしました。それは、Binance Trade の生のデータで買い手または売り手がマーケット メーカーであるかどうかを指定する取引タグを使用することです。

Binance は Websocket ストリーム経由でライブ取引データを公開しており、私は昨年 2021 月初旬から AWS サーバー上でデータを収集しています。私のデータはそこから来ています。 XNUMX年XNUMX月以降は過去データもダウンロードできるようになりました ページ をご覧ください

VPIN の概要

ウィンドウ サイズ 1600 で 1000 日あたり約 XNUMX サンプルのローリング ドル バーを使用して VPIN を計算しました。これは、厳密に言えば、各ボリューム バケットがまったく同じサイズではないことを意味します。それでも、違いは最小限であるため、個々のバケットに重みを付ける必要がなく、元の実装を快適に使用できます。

元の実装とは異なり、買い手と売り手のボリュームは、買い手がマーケットメーカーかどうかを指定する取引レベルのタグを使用して分類されています。また、元の実装とは異なり、VPIN は固定ではありません。

ビットコインの時価総額と取引量が増加したため、注文フローの不均衡は過去1年間で大幅に減少したようです。これは、大型株の買値と売値のスプレッドが低く、逆選択が少ないことを示唆する調査結果と一致しています。

最後の調整（19年2021月XNUMX日）までのアグレッサー側の買い注文と売り注文の間の注文フローの不均衡は最小限であるように見えます。比較的低い VPIN メトリクスは、毒性が補正に役割を果たしていないことを意味します。

場合によっては、局所的な注文フローの不均衡が、価格が大幅に下落する直前にピークに達するように見えることがあります。12 月 18 日と XNUMX 日がその最良の例です。ただし、これは私がチャートを読んでいるだけかもしれません。

VPIN を使用したトリプルバリアラベルの予測

VPIN は必ずしも将来の収益を予測するように設計されているわけではありません。代わりに、これは単に過去の期間における、出来高を加重した注文フローの平均的な不均衡を説明するものに過ぎません。これらの不均衡に関する知識は、必ずしも将来の不均衡の持続、増加または減少を予測するために使用できるとは限りません。それでも、やってみようかなと思いました。

私は Marcos López de Prado によって提案された非常に標準的なセットアップを使用しました。次の段落は、金融機械学習に詳しくない人にとっては意味不明に聞こえるでしょう。したがって、読み飛ばしていただいても構いません。

サンプルをロングポジションまたはショートポジションに分類するために、ボラティリティ調整済みのトリプルバリアラベルを計算しました。ラベルの最大幅は、どちらの方向でも 3.5% に制限されています。垂直バリアのヒットは、ポジションの長さにわたる絶対リターンによって分類されます。平均の一意性に基づいてサンプルの重みを計算しました。 RF は 100 個のツリー、ツリーあたりの関連最大サンプル、ツリーあたりの特徴は 6 つまで、最大深さは 5 でトレーニングされます。データはスケーリング、パージ、禁輸 (XNUMX%) され、XNUMX つのフォールドにわたって相互検証されます。 。マルコスの最初の XNUMX つの部分を読んでください。 本 詳細に興味がある場合は。

昨年末に VPIN が急激に減少したように見えるため、過去 250,000 か月半のデータのみを使用することにしました。つまり、XNUMX フォールドあたり約 XNUMX か月分のデータになります。つまり、合計約 XNUMX のサンプルになります。

元の論文と同様に、対数正規分布を使用して VPIN メトリクスを近似し、VPIN の CDF でモデルをトレーニングしました。 50、100、250、500、1000、2500、5000 の XNUMX つの異なるウィンドウ サイズを使用しました。XNUMX つの折り目すべてにわたる ROC 曲線を以下にプロットします。

このモデルは明らかに平均 0.5 AUC ベンチマークを下回っていますが、パフォーマンスはフォールドごとに異なります。ただし、ROC 曲線と AUC スコアは、VPIN (の CDF) のパフォーマンスを評価する最良の方法ではない可能性があります。

VPIN のテールエンドパフォーマンスの評価

Financial Machine Learning の ROC 曲線の問題は、最終的なパフォーマンスについての良いアイデアが得られないことです。通常の市況では、VPIN が価格形成に影響を与えない可能性は十分にあり、その可能性さえあります。実際、マーケットメーカーは買いと売りの出来高の変動を予想しています。それは単にビジネスを行うためのコストです。

私は、極端な市場状況における非常に高次または低次のフロー毒性がビットコインに何らかの予測能力を持っているかどうかを知りたいと考えています。答え (下記) は「はい」のようです。

精度再現曲線の見方

精度再現曲線は、さまざまなしきい値にわたる精度と再現率の間のトレードオフをプロットします。この場合、非常に高いしきい値、つまり非常に低い再現レベル (0.05 以下) では、0.6 つのフォールドすべてにわたるロング ポジションを識別するモデルの平均精度が 75 台後半 (場合によっては 0.5 台) に上昇することが示されています。 XNUMX しきい値では、AUC が XNUMX を大きく下回っていても、ランダム フォレストは XNUMX つのフォールドすべてにわたってロング ポジションの XNUMX% を正しく識別します。

ショート ポジションのプレシジョン リコール カーブでも同様のことがわかります。平均 AUC は 0.5 つの曲線すべてで XNUMX 未満のままですが、非常に高いしきい値では精度が急上昇します。

これは、VPIN が予測能力を持つのは非常にまれな場合のみである可能性があることを示唆しています (このデータセットではせいぜい月に 1 回か 2 回程度でしょう)。

ボラティリティの役割

市場は一般に、ボラティリティが高い時期と低い時期では全く異なる動きをします。一部の特徴の予測可能性はボラティリティ ショック中に著しく低下しますが、他の特徴 (市場の微細構造を含む) の関連性が高まります。

オーダーフロー毒性の測定は、マーケットメーカーがすでに流動性を提供するスプレッドを拡大しており、すでに不安定な市場に特に関連する可能性があります。高い価格変動に対処することに加えて、マーケットメーカーが情報に通じたトレーダーによって不利な選択を受けている場合、これは一種の「二重苦」を形成する可能性があります（もちろん、ここで私は純粋に推測をしています）。

このような投機を継続するために、マーケットメーカーは非常に不安定な市場で損失を被る可能性が高くなります。これにより、(2010 年のフラッシュ クラッシュの際にそうであったように) 在庫を投げ売りし、価格下落を引き起こす可能性が高まります。

ボラティリティしきい値を使用した VPIN の評価

ボラティリティしきい値は、ボラティリティが特定のベンチマークを下回るすべてのサンプルをデータセットから削除します。たとえば、このデータセットでは、ボラティリティしきい値 0.02 によりデータの約 XNUMX 分の XNUMX が除外されますが、AUC、長期精度再現率曲線、および短期精度再現率曲線の劇的な改善につながります。

AUC スコアは 0.49 (ランダム分類器よりも悪い) から、かなりの 0.55 まで上昇します。 0.5 つを除くすべてのフォールドの AUC スコアは、XNUMX ベンチマークを大きく上回っています。

精度再現曲線の場合、ボラティリティしきい値を含めることで、さまざまなしきい値にわたって精度が劇的に向上したようです。 VPIN は、すでに不安定な市場において、かなり高い予測能力を備えているようです。

もちろん、（何らかの形で）データを過剰適合させている可能性があります。より完全な分析では、これと同じアプローチをイーサリアム、リップル、カルダノなどの他の暗号通貨にも適用して、VPIN が実際に価格変動を予測できること、およびその予測能力がボラティリティに応じて向上することを確認します。

別れの考え

マーケットメーカーは取引所で最も重要な役割の 1 つを果たしており、流動性を提供します。しかし、情報に基づいたトレーダーが注文を選択すると、これらの流動性プロバイダーは損失を被ることになります。そこで彼らは選択を迫られます。サービスのコストを引き上げるか、ひどい場合には市場から完全に撤退するかです。買いと売りの量の間の注文フローの不均衡を分析することにより、情報に基づいたトレーダーとマーケットメーカー間の相互作用をモデル化できます。

オーダーフローの毒性は、単に問題を引き起こす可能性があるだけではありません。 短期的なボラティリティを予測する優れた指標 — いくつかの（非常に）まれなケースでは、より大きな価格変動を予測することさえできるようです。

問題の市場がすでに非常に不安定な場合、VPIN の予測能力は急激に高まります。理由については推測することしかできませんが、実際には 2 つ考えられます。

1 つ目は、マーケットメーカーは非常に薄い利幅で取引を行っているということです。その結果、より不安定な市場では逆選択により多額の損失を被る可能性が高くなります。

さらに、不安定な市場のスプレッドはすでにかなり広がっています。ボラティリティに加えて注文フローの毒性により、スプレッド（およびトレーダーのスリッページコスト）が大幅に増加する可能性があります。これが起こると、取引に非常にコストがかかります。価格高騰の影響でトレーダーが買う可能性は低くなるだろうが、それでも市場が崩壊している場合には売らざるを得なくなるだろう。

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