基干指令流毒性指标量化交易监管实证探讨.docVIP

基于指令流毒性指标的量化交易监管实证研究 　　【摘要】为验证指令流毒性指标对我国量化交易中所存在的风险具有有效性和准确性的预警作用，本文基于信息不对称条件下的指令流毒性检验的算法模型VPIN的基础上，优化模型参数的评价过程，提高算法执行速度，并对关键参数设定添加了动态调整的过程，以“光大乌龙指”事件为研究案例，选取2013年5月至12月的市场逐笔交易数据，对我国沪深300指数期货和股票市场进行细致的实证分析。通过对沪深300指数期货市场计算出的29734个VPIN值做描述性统计、频度统计和波动性分析，结果表明：VPIN序列具有右偏、后尾的特征，同时市场大部分时间整体波动在合理范围内，而异常波动只占到了很小的部分，但是这小部分的异常波动处于了流毒性指标的高位值，这意味着市场极有可能会发生巨幅异常波动，流毒性指标在“乌龙指事件”发生之前就给出提醒指示，具有预警性。本文为我国量化交易市场的风险监管有着重要的参考价值，提出了准确、及时的风险预警值 【关键词】指令流毒性 量化监管 动态调整 股指期货 一、引言 高频交易如风暴一般的席卷了华尔街，据统计2009年之前，美国市场中将近2000个交易公司中几乎2%是高频交易公司，然而2009年开始美国高频交易公司分别占了70%的股票市场交易量和近50%的期货市场交易量，这些高频交易公司通常充当了做市商的角色，向市场提供流动性，也提高流动性 市场微观结构指出知情交易者可以利用不知情交易者获利。指令流被认为是有毒性的当它逆向选择做市商时，做市商可能在其不知情的情况下在提供流动性的同时承受了损失，而指令流毒性会产生巨大的市场风险 传统的衡量指令流毒性的PIN值（伊斯利，基弗，奥哈拉和裴普曼提出了一种算法，即通过报价序列中的数据推断出知情交易的概率即PIN值 学者伊斯利在知情交易概率PIN的基础上，提出了一种新的方法可直接估计高频交易中的指令流毒性（VPIN）。这种方法可以避免估计那些不可观测到的参数，并且可以随着新信息到达市场的速度来随机的更新VPIN，克服了在交易量很大的市场里难以估计PIN的困难，是一种较为简单易操作的测量指令流毒性的处理方法；实证结果表明VPIN可以预测短期毒性诱导的波动，特别是当涉及到大的价格波动的时候 刘文文，张合金使用VPIN模型，2010年6月17日到2011年7月15日的数据来衡量我国股指期货市场上的指令流毒性；分析结果表明，VPIN可以监测到沪深300指数期货大跌和大涨时候的指令流毒性 林焕耿试图基于VPIN构造高频交易策略，使用沪深300股指期货2011年11月到2012年10月的高频交易数据，以15分钟为时间框架计算VPIN及收益率。分析结果表明，当VPIN较大时，收益率与其一阶滞后项有显著的负相关关系。这意味着VPIN对于预测股指期货收益率的作用 综合国内外研究而言，国外研究学者从市场微观结构――信息模型出发，研究得出VPIN模型来直接估计高频交易中的指令流毒性，并基于“闪电崩盘”提供了验证。但VPIN模型中的关键参数设定是由研究者的经验值而定，并非一个科学的值，该模型算法仍有待提升 二、数据来源与处理 本文选取的是样本为我国沪深300股指期货市场2013年5月2日至12月31日的当月主力合约的高频交易数据 光大乌龙指事件发生在2013年8月16日，于是决定选择样本期间为2013年5月至12月。其次，在选取样本数据中，对于乌龙指当天的数据经过反复思考论证，决定使用次月主力合约的当天数据而非当月主力合约中的当天数据。因为光大乌龙指事件发生在8月16日，恰逢8月当月主力合约的交割日。上午发生了乌龙指事件光大买入了一揽子股票触发了一系列买卖交易，引致股市出现疯狂的上涨。尽管A股出现了较大的市场异动，但IF1308合约（当月合约）交割一切正常，顺利交割，交割量处于正常水平，未出现异常变动。交易量在小范围内放大，只有极少的大量买卖单入场。并未出现异动。可以看出乌龙指当天的影响主要体现在次月合约中，更能吻合市场的真实情形，于是最终使用次月合约中的当天数据来替换当月合约中的当天数据 三、模型设定与计算 直观的说，模型解释了不知情交易中正常水平下的一只股票中的买和卖，并且使用数据来定义不知情交易指令流的概率，即ε。异常的买或卖的量解释了知情交易，并用这个量来定义θ。存在异常买量或卖量的交易阶段数用来定义α和β 随着交易的进行，流动性提供者观察交易并且建模犹如他们使用贝叶斯定律来更新他们对指令流毒性的认知，这些认知在本文中被描述为参数估计。P（t）（Pn（t），Pb（t），Pg（t））我们记这个为流动性提供者对于事件的想法。在时间t，n表示没有消息发生，b表示坏消息发生，g表示好消息发生。于是他的认知（参数估计