Empiryczna mikrostruktura rynku

Od sierpnia 2020 r. na Binance sprzedano bitcoiny o wartości ponad 800 miliardów dolarów denominowanych w USDT – jak dotąd największym Wymiana Bitcoinów. Podobnie jak na innych rynkach, większość płynności zapewnianej na Binance pochodzi od animatorów rynku: firm, które chcą zarówno kupić, jak i sprzedać Bitcoin w nadziei, że osiągną zysk na spreadzie kupna-sprzedaży.

Co to jest mikrostruktura rynku?

Rozpoznanie teorii mikrostruktury rynkuztwierdzi, że kształtowanie się cen jest determinowane zarówno przez czynniki endogeniczne, jak i egzogeniczne. Płynność, wpływ na rynek, koszty transakcyjne (poślizg), zmienność i mechanika księgi zleceń z limitem odgrywają zasadniczą rolę.

Klasyczna ekonomiczna teoria podaży i popytu zakłada, że ​​generalnie może to zrobić każdy inwestor chcący kupować i sprzedawać po cenie równowagi. W rzeczywistości sam akt zakupu lub sprzedaży papieru wartościowego zmienia cenę rynkową; transakcje mają wpływ na rynek.

Inwestor chcący kupić lub sprzedać dużą ilość Bitcoina nie zrealizuje od razu całego zlecenia. Zamiast tego będą to robić stopniowo, z biegiem czasu, aby kupić po najniższej cenie lub sprzedać po najwyższej cenie. Stan Druckenmiller – który wraz z Georgem Sorosem rozbił Bank Anglii In 1992 — ostatnio wspomniałem, że on próbowałem kupić 100 milionów dolarów w Bitcoinie w 2018 roku. Ze względu na brak płynności zakup 20 milionów dolarów zajął mu dwa tygodnie, po czym się poddał.

Zatem wpływ transakcji na rynek odgrywa znaczącą rolę w decyzjach inwestorów dotyczących zakupu lub sprzedaży papieru wartościowego, co z kolei wpływa na cenę, po której ten papier wartościowy jest przedmiotem obrotu.

A co z toksycznością przepływu zamówień?

Wszyscy uczestnicy rynku wchodzą na rynek w nadziei osiągnięcia zysku, jednak animatorzy rynku i handlowcy zarabiają (lub tracą) pieniądze na zasadniczo różne sposoby. Animatorzy rynku zarówno kupują, jak i sprzedają Bitcoin w nadziei, że zarobią na spreadzie kupna-sprzedaży. Traderzy kupują i sprzedają Bitcoiny, ponieważ mają świadome lub nieświadome przekonanie na temat przyszłych zmian cen.

Aby zarobić na spreadzie kupna-sprzedaży, animatorzy rynku muszą aktywnie zarządzać zapasami zarówno Bitcoina, jak i Tethera. Kiedy przepływy handlowe są zrównoważone, mogą sprzedać Bitcoin na żądanie i odkupić go po ofercie, osiągając zysk. Jeżeli jednak przepływy handlowe staną się zbyt niezrównoważone, animatorom rynku będzie trudniej odnawiać swoje zapasy z zyskiem. Ogólnie rzecz biorąc, animatorzy rynku podwyższą wówczas cenę pobieraną za swoje usługi – różnicę między cenami ofertowymi i cenowymi – co zwiększa koszty transakcji (poślizg cenowy) dla handlowców.

Animatorzy rynku i handlowcy zarabiają (lub tracą) pieniądze na zasadniczo różne sposoby

Oferta kupna i sprzedaży, przy której animatorzy rynku są skłonni zapewnić płynność, zależy od stopnia, w jakim są oni niekorzystnie wybierani przez poinformowanych traderów. Jeśli przepływy zamówień staną się niezrównoważone, ponieważ świadomi inwestorzy kupują lub sprzedają Bitcoin, taki przepływ zamówień zostanie uznany za toksyczny.

Zamów toksyczność przepływu i awarię Flash

W 2010 roku trzech badaczy z Cornell we współpracy z Tudor Investment Group opublikowało: papier opisuje, jak gwałtowny krach z 2010 r. — podczas którego indeks Dow Jones Industrial Average (DJIA) na krótko spadł o 9%, po czym natychmiast odbił od normy — został spowodowany ekstremalną toksycznością przepływu zamówień.

Model zastosowany do identyfikacji toksycznego przepływu zamówień – VPN (prawdopodobieństwo świadomego handlu zsynchronizowanego z wolumenem) – osiągnął najwyższy poziom w historii w ciągu godziny poprzedzającej gwałtowny krach i skutecznie przewidział to, co nadal jest uważane za tajemnicze wydarzenie.

Gazeta Tudorów wzbudziła zainteresowanie mediów: Bloomberg artykuł zwrócił uwagę, że VPN może „pomóc organom regulacyjnym zapobiegać awariom, takim jak gwałtowny spadek z 6 maja”. Naukowcy z Lawrence Berkeley National Laboratory wykazali, że VPIN dobrze radził sobie z przewidywaniem zdarzeń o dużej zmienności na rynkach kontraktów terminowych od stycznia 2007 r. do lipca 2012 r.

W genialnym później papier, ci sami autorzy wskazują, że toksyczność przepływu dużych zamówień nie tylko wypycha animatorów rynku z rynku; jeśli animatorzy rynku będą musieli porzucić swoje zapasy ze stratą, mogą wyczerpać pozostałą płynność, zamiast ją zapewnić.

W godzinach poprzedzających krach z 6 maja świadomi inwestorzy konsekwentnie sprzedawali swoje pozycje animatorom rynku, którzy ponosili coraz większe straty. Kiedy ci sami animatorzy rynku zostali w końcu zmuszeni do rozwinięcia swoich pozycji, skutki były katastrofalne. Według słów badaczy: „ekstremalna toksyczność może przekształcić dostawców płynności w konsumentów płynności”.

„Ekstremalna toksyczność może przekształcić dostawców płynności w konsumentów płynności” — Mikrostruktura „flash Crash”

Ale czym jest VPN?

VPN opiera się na modelu PIN, który postrzega handel jako grę pomiędzy trzema typami uczestników: poinformowanymi traderami, niedoinformowanymi traderami i animatorami rynku.

VPN jest obliczany w przybliżeniu jako bezwzględna różnica między wolumenem kupna i sprzedaży w oknie historycznym. Zamiast próbkowania według czasu, VPN jest obliczany przy użyciu słupków objętości o stałej liczbie. Na przykład możesz pobrać próbkę raz przy każdej wymianie 1000 Bitcoinów.

Wolumen zwykle rośnie w miarę pojawiania się nowych informacji na rynku i maleje, gdy tak się nie dzieje. Zatem pobieranie próbek według objętości jest podobne do pobierania próbek na podstawie zmienności (i przepływu informacji).

Zlecenie jest klasyfikowane jako zlecenie kupna, jeżeli kupującym jest świadomy przedsiębiorca; podobnie zlecenie jest klasyfikowane jako zlecenie sprzedaży, jeżeli sprzedającym jest świadomy przedsiębiorca. Więcej o identyfikowaniu transakcji kupna i sprzedaży znajdziesz w dalszej części.

Identyfikacja świadomych transakcji

Reguła zaznaczenia klasyfikuje świadome transakcje kupna i sprzedaży poprzez identyfikację agresora handlowego, tj. strony przyjmującej ceny. Trader, który kupuje Bitcoin poprzez zlecenie rynkowe, zostanie dopasowany do najlepszego zapytania w arkuszu zleceń – powyżej średniej ceny kupna-sprzedaży. To czyni go agresorem. Jeśli przedsiębiorca złoży Zlecenie z limitem zakupu Bitcoina poniżej średniej ceny kupna i sprzedaży, zlecenie to może ostatecznie zostać zrealizowane, jeśli inny inwestor agresywnie sprzeda Bitcoin poprzez zlecenie rynkowe.

Reguła Tick identyfikuje agresora handlowego, opierając się na prostej obserwacji. Agresywne zlecenia kupna mają tendencję do zwiększania ceny aktywów, ponieważ zlecenie jest dopasowywane do najniższego zlecenia kupna w arkuszu zleceń. Podobnie agresywne zlecenia sprzedaży mają tendencję do obniżania ceny aktywa po dopasowaniu najwyższej oferty. Późniejszą zmianę ceny można wykorzystać do zidentyfikowania agresora handlowego.

Transakcje powodujące późniejszy wzrost ceny są oznaczone jako 1 – kupno. Transakcje, które spowodowały spadek ceny, są oznaczone -1 – sprzedaż. Transakcje, które nie powodują zmiany ceny (ponieważ nie wypełniły w całości najwyższej oferty lub najniższego zapytania) są oznaczone poprzednim znacznikiem.

Problemy z regułą tykania

Chociaż reguła zaznaczenia (zazwyczaj) skutecznie identyfikuje stronę agresora, niektóre najnowsze badania sugerują, że inwestorzy po stronie agresora i świadomi inwestorzy mogą nie być równoważni na rynkach o wysokiej częstotliwości. Na przykład poinformowany trader może po prostu złożyć wiele zleceń z limitem w całym arkuszu zleceń, anulować te, które nie zostaną zrealizowane i nadal sprawiać wrażenie niedoinformowanego zgodnie z zasadą zaznaczenia.

Oryginalna implementacja VPN wykorzystuje podejście bayesowskie zwane Klasyfikacja objętości masowej (BVC) aby przybliżyć proporcję świadomego wolumenu kupna i sprzedaży w każdym słupku (w oparciu o czas lub wolumen). Moje praktyczne doświadczenia z BVC są raczej mieszane. Zamiast korzystać z BVC, zdecydowałem się skorzystać z innej opcji: użyj tagów handlowych, które określają, czy kupujący, czy sprzedający był animatorem rynku w surowych danych Binance Trade.

Binance publikuje dane dotyczące transakcji na żywo za pośrednictwem strumienia Websocket, które gromadzę na serwerze AWS od początku sierpnia ubiegłego roku; stamtąd pochodzą moje dane. Od marca 2021 r. istnieje także możliwość pobrania danych historycznych tutaj.

Spójrz na VPN

Obliczyłem VPN za pomocą toczących się słupków dolara z około 1600 próbkami dziennie i rozmiarem okna 1000. Oznacza to, że każdy segment woluminów nie ma dokładnie tego samego rozmiaru. Mimo to różnice są minimalne, więc czuję się komfortowo korzystając z oryginalnej implementacji, bez konieczności ważenia poszczególnych wiader.

W przeciwieństwie do pierwotnej implementacji, wolumen kupna i sprzedaży został sklasyfikowany przy użyciu znaczników poziomu handlu, które określają, czy kupujący był animatorem rynku, czy nie. Ponadto, w przeciwieństwie do pierwotnej implementacji, VPN nie jest stacjonarny.

Wydaje się, że nierównowaga w przepływie zamówień znacznie się zmniejszyła w ciągu ostatniego roku wraz ze wzrostem kapitalizacji rynkowej i wolumenu obrotu Bitcoinem. Jest to zgodne z badaniami pokazującymi, że większe akcje mają niższe spready między ofertami a kupnem, co oznacza mniej niekorzystnej selekcji.

Nierównowaga przepływu zleceń pomiędzy zleceniami kupna i sprzedaży po stronie agresora przed ostatnią korektą – 19 maja 2021 r. – wydaje się minimalna. Stosunkowo niski wskaźnik VPN oznacza, że ​​toksyczność nie odegrała roli w korekcie.

Czasami lokalna nierównowaga w przepływie zamówień wydaje się osiągać szczyt tuż przed dramatycznym spadkiem cen – najlepszymi przykładami są 12 i 18 czerwca. Jednak to może być tylko moje wrażenie, że czytam wykres.

Przewidywanie etykiet z potrójną barierą za pomocą VPN

VPN niekoniecznie został zaprojektowany do przewidywania przyszłych zwrotów. Zamiast tego opisuje jedynie średnią, ważoną wolumenem nierównowagę przepływu zamówień w oknie historycznym. Znajomość tych zaburzeń równowagi nie musi koniecznie zostać wykorzystana do prognozowania utrzymywania się, zwiększania lub zmniejszania przyszłych zaburzeń równowagi. Mimo wszystko pomyślałem, że może jednak spróbuję.

Zastosowałem dość standardową konfigurację zaproponowaną przez Marcosa Lópeza de Prado — poniższy akapit będzie brzmieć jak bełkot dla osób niezaznajomionych z Financial Machine Learning, więc możesz go pominąć.

Obliczyłem etykiety potrójnej bariery skorygowane o zmienność, aby sklasyfikować próbki jako pozycje długie lub krótkie. Maksymalna szerokość etykiety jest ograniczona do 3.5% w dowolnym kierunku; trafienia w barierę pionową są klasyfikowane według bezwzględnego zwrotu na długości pozycji. Obliczyłem wagi próbek w oparciu o średnią unikalność. RF jest szkolony ze 100 drzew, odpowiednimi maksymalnymi próbkami na drzewo, nie więcej niż jednym obiektem na drzewo i maksymalną głębokością 6. Dane są skalowane, usuwane, nakładane embargo (5%) i sprawdzane krzyżowo pięciokrotnie . Przeczytaj dwie pierwsze części Marcosa książka jeśli interesują Cię szczegóły.

Ponieważ wydaje się, że pod koniec ubiegłego roku nastąpił gwałtowny przełom w VPN, zdecydowałem się wykorzystać wyłącznie dane z ostatnich sześciu i pół miesiąca; więc około miesiąca danych na fałdę. Daje to w sumie około 250,000 XNUMX próbek.

Podobnie jak w oryginalnej pracy, dopasowałem metrykę VPN przy użyciu rozkładu logarytmiczno-normalnego i wytrenowałem model na CDF VPN. Użyłem siedmiu różnych rozmiarów okien: 50, 100, 250, 500, 1000, 2500 i 5000. Krzywe ROC dla wszystkich pięciu fałd przedstawiono poniżej.

Model wyraźnie osiąga wyniki średnio słabsze od wzorca 0.5 AUC, podczas gdy wydajność różni się w zależności od złożenia. Jednak krzywa ROC i wynik AUC mogą nie być najlepszym sposobem oceny wydajności (CDF) VPN.

Ocena wydajności końcowej VPN

Problem z krzywą ROC w uczeniu maszynowym finansowym polega na tym, że nie daje ona dobrego wyobrażenia o wydajności końcowej. Jest całkowicie możliwe — a nawet prawdopodobne — że VPN nie ma wpływu na kształtowanie się cen w normalnych warunkach rynkowych. Rzeczywiście, animatorzy rynku oczekują wahań pomiędzy wolumenem kupna i sprzedaży; to po prostu koszt prowadzenia biznesu.

Chcę wiedzieć, czy toksyczność przepływu wyjątkowo wysokiego lub niskiego rzędu w ekstremalnych warunkach rynkowych ma jakąkolwiek zdolność predykcyjną w Bitcoinie. Odpowiedź (poniżej) wydaje się brzmieć tak.

Spojrzenie na krzywe przypomnienia precyzji

Krzywa Precyzji Przywołania przedstawia kompromis pomiędzy Precyzją i Przywoływaniem dla różnych progów. W tym przypadku pokazuje, że przy bardzo wysokich progach, tj. bardzo niskich poziomach przypominania (0.05 i mniej), średnia precyzja modelu w identyfikowaniu długich pozycji we wszystkich pięciu fałdach wzrasta do wysokich pięćdziesiątek (a może nawet sześćdziesiątych). Przy progu 0.6, we wszystkich pięciu fałdach, losowy las prawidłowo identyfikuje 75% pozycji długich, mimo że AUC jest znacznie poniżej 0.5.

Krzywa Precision Recall dla krótkich pozycji przedstawia podobną historię. Mimo że średnie AUC utrzymuje się poniżej 0.5 na wszystkich pięciu krzywych, następuje gwałtowny wzrost precyzji przy bardzo wysokich progach.

Sugeruje to, że VPN może mieć zdolność predykcyjną tylko w bardzo rzadkich przypadkach — w tym zbiorze danych może najwyżej raz lub dwa razy w miesiącu.

Rola zmienności

Rynki na ogół zachowują się zupełnie inaczej w okresach dużej i niskiej zmienności. Przewidywalność niektórych cech wyraźnie spada podczas szoku zmienności, podczas gdy inne cechy (w tym cechy mikrostruktury rynkowej) stają się bardziej istotne.

Pomiary toksyczności przepływu zleceń mogą być szczególnie istotne na rynku, który jest już niestabilny, a animatorzy rynku rozszerzyli już spread, przy którym zapewniają płynność. Jeśli oprócz dużej zmienności cen, animatorzy rynku będą również wybierani przez świadomych traderów w niekorzystny sposób, może to wywołać swego rodzaju „podwójny cios” (oczywiście mam tutaj na myśli wyłącznie spekulacje).

Kontynuując tę ​​linię spekulacji, animatorzy rynku mogliby częściej ponosić straty na bardzo niestabilnym rynku. Zwiększa to prawdopodobieństwo, że porzucą swoje zapasy (tak jak miało to miejsce podczas Flash Crash w 2010 r.), powodując spadek cen.

Ocena VPN z progiem zmienności

Próg zmienności usuwa wszystkie próbki ze zbioru danych, w których zmienność spada poniżej pewnego poziomu odniesienia. Na przykład w tym zbiorze danych próg zmienności wynoszący 0.02 wyklucza w przybliżeniu trzy piąte danych, ale prowadzi do radykalnej poprawy AUC, krzywej przypomnienia o długiej precyzji i krzywej przypomnienia o krótkiej precyzji.

Wynik AUC wzrasta z 0.49 (gorszy niż klasyfikator losowy) do przyzwoitego 0.55. Wynik AUC we wszystkich fałdach z wyjątkiem jednego jest znacznie powyżej wartości odniesienia 0.5.

Wydaje się, że w przypadku krzywych Precision Recall włączenie progu zmienności radykalnie podniosło Precyzję w przypadku różnych progów. Wydaje się, że VPN ma znacznie większą zdolność predykcyjną na rynkach, które są już niestabilne.

Jest oczywiście możliwe, że (w jakiś sposób) przekombinowałem dane. Bardziej kompletna analiza zastosowałaby to samo podejście do innych kryptowalut, takich jak Ethereum, Ripple i Cardano, aby upewnić się, że VPN rzeczywiście jest w stanie przewidzieć ruchy cen, a jego zdolność predykcyjna rośnie wraz ze zmiennością.

Rozstanie z myślami

Animatorzy rynku odgrywają jedną z najważniejszych ról na giełdzie — zapewniają płynność. Jednakże, gdy świadomi inwestorzy wybierają swoje zlecenia, ci dostawcy płynności ponoszą straty. Stoją wówczas przed wyborem: mogą podnieść cenę swoich usług lub – w poważnych przypadkach – całkowicie wycofać się z rynku. Analizując brak równowagi w przepływie zleceń pomiędzy wolumenem kupna i sprzedaży, możemy modelować interakcje pomiędzy poinformowanymi traderami a animatorami rynku.

Toksyczność przepływu kolejności może być nie tylko: dobry prognostyk krótkoterminowej zmienności — wydaje się, że w niektórych (bardzo) rzadkich przypadkach może nawet przewidzieć większe ruchy cen.

Zdolność predykcyjna VPN gwałtownie wzrasta, gdy dany rynek jest już dość niestabilny. Mogę tylko spekulować na temat przyczyn, ale tak naprawdę widzę dwie.

Po pierwsze, animatorzy rynku działają na marżach cienkich jak brzytwa. W związku z tym istnieje większe prawdopodobieństwo, że poniosą one duże straty w wyniku niekorzystnej selekcji na bardziej niestabilnych rynkach.

Co więcej, spready na niestabilnych rynkach są już dość szerokie. Toksyczność przepływu zamówień – oprócz zmienności – może drastycznie zwiększyć spready (i koszty poślizgu dla traderów). Kiedy tak się dzieje, handel staje się bardzo kosztowny; Zakładam, że inwestorzy będą mniej skłonni do zakupów ze względu na duży wpływ ceny, ale nadal będą zmuszeni do sprzedaży, jeśli rynek się załamie.

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