4 votos

¿Cómo puede una eficacia aproximada del relleno porción de una orden de límite en un orden FIFO libro dado lo reciente de su estado?

¿Qué métodos se podría utilizar para encontrar el paso sabio probabilidad de una parcial o completa de relleno de una orden en la mejor demanda/oferta de nivel de una orden de límite de libro, dado el histórico mejor preguntar y mejor oferta de cantidades y precios, respectivamente?

Estoy tratando de aproximadamente simular la cantidad de relleno/step-wise tiempo la dinámica de un orden que se coloca en el mejor de oferta/demanda de los niveles de un orden FIFO libro, no necesita ser un modelo perfecto simplemente una aproximación a la espera de relleno cantidad dado el reciente estado.

I. e. dada una orden de límite para la cantidad Q se coloca en la mejor pedir Una en el tiempo T, qué parte de la orden, es probable que haya sido llenado en el momento T+1 teniendo en cuenta la anterior (T~10 ... T) pida a los precios, pedir cantidades, apertura, máximo, mínimo, cierre etc.

He intentado muchos métodos de la siguiente manera, a pesar de que estoy dudosa en cuanto a su validez:

  • si el precio de venta aumenta, lleno de relleno de la orden de límite
  • cantidad de orden ocupado proporcional a la magnitud de la volatilidad de la cantidad total a la mejor preguntar

También he tomado nota de las respuestas en el siguiente desbordamiento de pila pregunta

Aunque estoy en busca de algo que pudiera ser funcional en el orden de menos de un minuto (depende de la volatilidad de los precios), es decir, de los que no puedo simplemente usar la volatilidad de la última/precio de cierre como la orden pudo haber sido llenado varias veces dentro de un precio único movimiento therin.

Lo que podría ser un método eficaz de aproximar esta función? Gracias por su ayuda en este asunto por adelantado.

6voto

eft Puntos 254

En mi opinión, en lugar de desarrollar un modelo analítico, es mejor evaluar esta probabilidad directamente de los datos. Coloque su simulada de los pedidos en los diferentes niveles de precios, y comprobar si, y cuando se iba a ser ejecutado. A continuación, utilice este modelo de probabilidad para simular su estrategia de negociación.

Sin embargo, suponiendo que se desea simular una estrategia de negociación, por qué hacerlo en dos pasos anteriores? Tal modelo de probabilidad sería una aproximación que desestima la muy no-estacionario comportamiento de los mercados. Si lo hace, al menos, se calcula como la probabilidad condicional dada su predicción del cambio de precio. De lo contrario, su simulación se utiliza demasiado optimista (promedio) de la ejecución de la probabilidad cuando el cambio de precio es demasiado obvio (es decir, muchos otros participantes en el mercado también ver la misma oportunidad) y la real probabilidad de ejecución es cero.

Un mejor enfoque es esto: en lugar de desarrollar un modelo de probabilidad antes de la simulación, puede incrustar el proceso de ejecución de la simulación en sí. Puntos a tener en cuenta son:

  • Según FIFO algoritmo de coincidencia, el lugar de su orden en el extremo de las órdenes de la cola
  • Si sus datos de mercado es MBO (de mercado por fin, también conocido como de " orden por orden), se puede calcular exactamente el lugar de su orden en la cola como evoluciona y si, y cuando iba a ser ejecutado
  • Si sus datos de mercado es MBP (de mercado por precio), el uso de un enfoque pesimista y avanzar en su orden en la cola sólo cuando las ejecuciones se producen en su nivel de precio

Si bien este enfoque es mejor, tiene dos grandes problemas (es decir, fuentes de imprecisión) como cualquier otro enfoque, basado en datos históricos:

  • La latencia. Es imposible simular la latencia precisamente. No es consistente, incluso si su estrategia comercial se ejecuta a partir de un intercambio de co-ubicación de las instalaciones con un promedio de RTT (round trip time) de 100 microsegundos. Y tomando el "lado seguro" mediante la configuración en la simulación más alto que el promedio no resuelve el problema.
  • El comercio es un multijugador interactivo en tiempo real de juego. La ejecución de sus órdenes de límite requieren agresivo órdenes de otros participantes en el mercado. Pero debido a que su simulada de los pedidos no están presentes en los datos históricos, usted no puede saber que su presencia podría afectar la decisión de los otros operadores para enviar como agresivo órdenes. Un típico suposición aquí es: "mis órdenes son relativamente pequeñas, por lo tanto, el impacto de su presencia o ausencia es insignificante". Pero es una muy mala suposición, porque este "juego" es la definición de un sistema caótico: "infinitesimal diferencias en las condiciones iniciales conducen a resultados drásticamente diferentes a medida que el sistema evoluciona", que está muy bien ilustrado por esta animación:

enter image description here

He llamado a estos dos problemas, el "la Mayoría de los errores típicos en el análisis Cuantitativo en el comercio" y se describen en más detalle en un Mercado de la Mecánica artículo. En mi opinión (y basado en la práctica), hacen que los resultados de cualquiera de los datos históricos de simulación basados en poco fiables. Una oportunidad mucho mejor tener las estrategias comerciales que se basan en la teoría de juegos, en algunos supuestos razonables de cómo los otros participantes en el mercado responden a acciones observables de los demás y en sus propias acciones, que son los primeros en saber, independientemente de la latencia.

1voto

Clever Human Puntos 329

Sólo estaba pensando que esto es por qué usted acaba de hacer, en lugar de ponerse a prueba. Reactividad

Finanhelp.com

FinanHelp es una comunidad para personas con conocimientos de economía y finanzas, o quiere aprender. Puedes hacer tus propias preguntas o resolver las de los demás.

Powered by:

X