高频数据中的知情交易（二）.docxVIP

一、引言 3 二、文章主要内容 3 文章背景 3 模型介绍 4 VPIN 指标和参数估计 5 VPIN 指标和参数估计 11 期货合约的 VPIN 估计实证 14 指令流毒性与期货合约价格变动 18 原文结论 24 三、我们的思考 25 参考文献 25 图表目录 图 1：E-mini SP 期货和EC1 期货的平均日内交易量 6 图 2：订单不平衡和时间限制 9 图 3：时间间隔和VPIN（2020 年 5 月 6 日） 10 图 4：E-mini S＆P 500 期货的统计数据和PDF（按固定的时间间隔和交易量间隔进行采样） 11 图 5：VPIN 毒性指标和交易分类 12 图 6：VPIN 毒性矩阵估计的稳定性 14 图 7：E-mini SP500 期货 VPIN 15 图 8：福岛核危机期间的E-mini SP500 期货 16 图 9：WTI 原油期货的 VPIN 毒性矩阵 17 图 10：2011 年 5 月 5 日原油价格变化 17 图 11：2009 年 12 月 9 日原油价格变化 18 图 12：E-mini SP 500 期货波动性和VPIN 的相关性 19 图 13：SP 500 对 VPIN 的反应 20 图 14：高VPIN 和高收益的热力图 22 图 15：2011 年 6 月 8 日天然气价格变化 23 图 16：“真实肯定”的可能性 24 表 1：按时钟时间与交易量时间的采样结果 11 表 2：SP500 E-mini 期货和WTI 原油期货的VPIN 毒性矩阵 14 表 3：不同样本区间VPIN 的 CDF 15 表 4：VPIN 和绝对收益的条件概率分布 21 一、引言 指令流毒性是市场微观结构中重要的概念，美股市场的股票都会安排一个以上的做市商 来为市场提供流动性。当市场上出现较多知情交易者逆向选择做市商来牟取利润的时候， 做市商会选择离开市场，使市场流动性受到损害，继而引发极端事件。 对于指令流毒性的衡量经历了从 PIN 到VPIN 的演变，我们在琢璞系列二中详细介绍了PIN 方式衡量知情交易者的方法（在 1996 年提出），该方式虽然有完备的理论基础，但是在测算上存在较大难度，对于数据质量和算力的要求也较高，在当时没有引起市场的广泛关注。2012 年，三位作者又对 PIN 指标进行了改进，剔除了 VPIN 测量方式，这使得衡量的难度大幅减小，实际操作变得可能。 本期琢璞我们推荐David, E. , López de Prado Marcos M, Maureen, O. 的《Flow toxicity and liquidity in a high-frequency world》，来详细介绍用 VPIN 方式衡量指令流毒性。 二、文章主要内容 文章背景 高频交易公司约占美国市场 20000 家交易公司的 2%，但自从 2009 年开始，其贡献了美国股票市场超过 70%的交易量与期货市场接近 50%的交易量（Iati [2009], CFTC [2010]）。这些高频交易公司常常扮演做市场的角色，通过电子订单簿提供不同的被动指令并为头寸持有者提供流动性。被动指令被定义为不跨市场的指令，因此发起人无法直接控制其执行时间。高频交易公司通常不对任何方向的头寸下注，其盈利主要来源于大量交易下的微小的价差。他们这样做主要源于要控制头寸风险，控制该风险的能力受到在执行被动指令时他们控制逆向选择的能力的影响。 逆向选择在业界中通常被表述为“被动指令在应该缓慢执行时被迅速执行，而在应该迅速执行时被缓慢执行或不执行的自然趋势”（Jeria and Sofianos [2008]）。这种直观的表述与市场微观结构模型相一致（参见 Glosten and Milgrom [1985]，Kyle [1985] and Easley and OHara [1987，1992b]），从而使知情交易者可以利用不知情交易者。而当指令流逆向选择做市商时，被认为是有毒性的，并且做市商可能并未意识到他们在提供流动性的同时也在遭受着损失。 基于交易量不平衡与交易强度（VPIN 指令流毒性指标），文章提出了一种新的方法以估算信息交易的概率。VPIN 基于交易量时间（volume-time）而不是时钟时间为基准来更新，使其可在高频交易领域内进行应用。估算VPIN 指标并不需要对一些不可观测的描述指令流的或者数值方法的中间参数进行估计，但其需要输入交易类型是买入还是卖出。基于一种文章认为比逐笔分类（tick-by-tick classification）更为适用于高频交易的新的量钟（bulk volume）分类方法，文章对交易进行分类。结果表明 VPIN 指标是一个更为 有效