Wednesday, 18 October 2017

Högfrekvent handel alternativ market


HFT-handel - HFT Vad är handel med högfrekvenshandel? HFT HF-handel är en programhandelsplattform som använder kraftfulla datorer för att överföra ett stort antal beställningar med mycket snabba hastigheter. Den använder komplexa algoritmer för att analysera flera marknader och genomföra order baserat på marknadsförhållanden. Vanligtvis är handlarna med de snabbaste körhastigheterna mer lönsamma än handlare med långsammare körhastigheter. FÖRBRYDNING AV HYDRAFIKHANDEL - HFT Högfrekvent handel blev populär när börser började erbjuda incitament för företag att öka likviditeten till marknaden. Till exempel har New York Stock Exchange (NYSE) en grupp av likviditetsleverantörer som kallas Supplemental Liquidity Providers (SLP) som försöker lägga till konkurrens och likviditet för existerande citat på börsen. Som ett incitament till företag betalar NYSE en avgift eller rabatt för att tillhandahålla likviditeten. I juli 2016 var den genomsnittliga SLP-rabatten 0,0019 för NYSE - och NYSE MKT-noterade värdepapper på NYSE. Med miljoner transaktioner per dag resulterar det i en stor del av vinsten. SLP introducerades efter Lehman Brothers kollaps 2008, då likviditeten var ett stort problem för investerare. Fördelar med HFT Den stora fördelen med HFT är att den har förbättrad marknadslikviditet och borttagna bud-spread-spreadar som tidigare varit för små. Detta testades genom att lägga till avgifter på HFT, och följaktligen ökade bud-ask-spreadarna. En studie bedömer hur kanadensiska budspridningar ändras när regeringen införde avgifter på HFT, och det visade sig att budspridningar ökade med 9. Kritik av HFT HFT är kontroversiellt och har mötts med en viss hård kritik. Den har ersatt en stor mängd mäklare och använder matematiska modeller och algoritmer för att fatta beslut, ta mänskligt beslut och interaktion ur ekvationen. Beslut sker i millisekunder, vilket kan leda till stora marknadsförflyttningar utan anledning. Som ett exempel, den 6 maj 2010, drabbades Dow Jones Industrial Average (DJIA) sitt största intraday punktfall någonsin, minskade 1000 poäng och släppte 10 på bara 20 minuter innan de steg igen. En regeringsundersökning skyllde en massiv ordning som utlöste en försäljning av kraschen. En ytterligare kritik av HFT är att det tillåter stora företag att dra nytta på bekostnad av de små killarna, eller de institutionella och detaljistiska investerarna. Ett annat stort klagomål om HFT är likviditeten som tillhandahålls av HFT är spöklikviditet, vilket innebär att den ger likviditet som är tillgänglig för marknaden en sekund och gått nästa, vilket hindrar handelsmän från att faktiskt kunna handla denna likviditet. Hans högfrekvenshandel förstörde lager Marknaden för resten av oss Om du är en investerare är högfrekvenshandel (HFT) en del av ditt liv, även om du inte vet det. Du har sannolikt köpt aktier som erbjuds av en dator eller sålda aktier som köpts och sedan omedelbart säljs av en annan dator. HFT är kontroversiell. Handlare är oense med varandra och studier motsätter sig andra studier, men hur viktigt det är, hur HFT påverkar dina pengar, oberoende av åsikterna. Top Investment Trends For 2013. Vi går över några investeringstrender för att du ska tänka på för 2013. Vad är HFT HFT är en bredare term för olika handelsstrategier som innebär att köpa och sälja finansiella produkter i extremt höga hastigheter. Datorer kan identifiera marknadsmönster och köpa eller sälja dessa produkter inom några millisekunder baserat på algoritmer eller algos. En strategi är att tjäna som en marknadsförare där HFT-företaget tillhandahåller produkter på både köp och säljsidor. Genom att köpa till köpeskilling och sälja till askpris kan högfrekventa handlare göra vinst på ett öre eller mindre per aktie. Detta innebär stora vinster när de multipliceras över miljoner aktier. Skulle det skada marknaden Man skulle tro att eftersom de flesta trading lämnar ett datoriserat pappersspår skulle det vara lätt att titta på praxis hos högfrekventa handlare för att ge ett tydligt svar på denna fråga, men det är inte sant. På grund av volymen av data och företagen vill hålla sin affärsverksamhet hemlig, koppla ihop en vanlig handelsdag är ganska svår för tillsynsmyndigheterna. De som debatterar denna fråga tittar ofta på blixtkraschen. Den 6 maj 2010 dumpade Dow Jones Industrial Average mystiskt 10 i minuter, och lika oförklarligt återhämtade sig. Några stora blue chip-aktier handlas kort på ett öre. Den 1 oktober 2010 utfärdade Securities and Exchange Commission (SEC) en rapport som skyller på en mycket stor handel i SampP e-mini-framtida kontrakt, vilket avstod från en kaskad effekt bland högfrekventa handlare. Som ett algo sålde snabbt, utlöste det ett annat. När mer säljstopp slutade drabbades inte bara högfrekvenshandlare som körde marknaden lägre, alla, hela vägen ner till den minsta detaljhandlaren, sålde. Blixtkraschen var en ekonomisk snöbollseffekt. Denna händelse orsakade SEC att anta förändringar som innefattade att placera strömbrytare på produkter när de faller över en viss nivå inom en kort period. I kölvattnet av flashkraschen frågade många huruvida införandet av hårdare reglering på högfrekventa handlare var förnuftig, särskilt eftersom mindre, mindre synliga blixtkraschar händer över hela marknaden med regelbundenhet. Skada det Retail Investor Det som är viktigt för de flesta investerare är hur HFT påverkar detaljhandelns investerare. Det här är den person vars pensionssparande är på marknaden eller den som investerar på marknaden för att få bättre avkastning än det nära obefintliga räntan som kommer från ett sparkonto. En ny studie studerade lite på denna fråga. Enligt The New York Times. en topp statsekonom fann att HFT-företag tar betydande vinster från vad de kallar traditionella investerare, eller de som inte använder datalgoritmer. Genom att studera SampP 500 e-mini-kontrakten fann forskare att högfrekventa handlare ger en genomsnittlig vinst på 1,92 för varje kontrakt som handlas med stora institutionella investerare och i genomsnitt 3,49 när de handlas med detaljhandlare. Detta gjorde det möjligt för den mest aggressiva höghastighetshandlaren att göra ett genomsnittligt dagligt vinst på 45 267 enligt 2010-uppgifterna. I papperet drogs slutsatsen att dessa vinster var på bekostnad av andra handlare och det kan leda till att handlare lämnar terminsmarknaden. Även om författarna inte studerade aktiemarknaderna där högfrekventa handlare står för en stor mängd börsvärden - kanske 70 eller fler, enligt vissa rapporter - säger de att det är troligt att de kommer att nå samma slutsatser. Bottom Line Den övergripande känslan som den lilla investeraren inte kan vinna på denna marknad börjar växa. Några skyller på den enorma mängden ofinvesterade pengar som bevis som många har gett upp och förlorat förtroendet för marknaderna. Detta har blivit ett sådant problem att även högfrekventa handlare letar efter andra världsmarknader för att hitta likviditeten de behöver för att bedriva verksamhet. Regulatorer runt om i världen tittar på sätt att återställa konsumenternas förtroende på aktiemarknaden. Vissa har föreslagit en aktieskatt per aktie medan andra, till exempel Kanada, har ökat avgifterna för HFT-företag. På grund av HFTs relativa nyhet har regleringsprocessen kommit långsamt, men en sak som verkar vara sant är att HFT inte hjälper den lilla näringsidkaren. En typ av skatt som tas ut på kapitalvinster som uppkommit av individer och företag. Realisationsvinster är vinsten som en investerare. En beställning att köpa en säkerhet till eller under ett angivet pris. En köpgränsorder tillåter näringsidkare och investerare att specificera. En IRS-reglering (Internal Revenue Service) som tillåter utbetalningar av straff från ett IRA-konto. Regeln kräver det. Den första försäljningen av lager av ett privat företag till allmänheten. IPOs utfärdas ofta av mindre, yngre företag som söker. Skuldkvotskvoten är skuldkvoten som används för att mäta ett företags ekonomiska hävstångseffekt eller en skuldkvot som används för att mäta en individ. En typ av ersättningsstruktur som hedgefondsförvaltare brukar använda i vilken del av ersättningen prestationsbaserad. High-Frequency Trading 2: Market Structure Amp Instruments Välkommen till High Frequency Trading kurs del 2: Structure, Instruments and Infrastructure. Serien av kurser på High Frequency Trading är avsedd för dem som är intresserade av allt om finansiella marknader och handel. Efter att ha gått igenom dessa kurser kommer du att förstå alla invecklingar av High Frequency Trading: begrepp, strategier, teknik som du kommer att förstöra många myter och missuppfattningar om HFT och kommer att hitta en kristallklar förståelse för hur alla saker fungerar i verkligheten. Men det betyder inte att det är nödvändigt för dig att börja från den allra första kursen, alla är ganska självständiga, så du kan börja med den här. Från den här Part2 kommer du att lära dig om förändringar i marknadsstrukturen under de senaste åren, bästa handels tillgångar för HFT och infrastrukturkrav för dagens marknader. Under den här andra delen av kursserien kommer vi att prata om: - dramatiska förändringar av marknadsstrukturen under de senaste åren och hur det påverkar handelsstrategins strategier - vi kommer att titta på alla funktioner, fördelar och nackdelar med de nya marknadsaktörerna, som ECN och Dark Pool, som absorberar de allra flesta HFT-handlare - vi kommer att upptäcka vilka handelsfordon som passar bäst för HFT - vi kommer att titta på moderna infrastrukturkrav för dagens marknader: mikrosekunder räknas. Den ideala studenten för kursen är en nybörjare eller redan erfaren näringsidkare, som redan vet grundläggande begrepp på finansmarknader och handel och vill bredda sin kunskap i en så populär men allmänt missförstådd sfär som High Frequency Trading. Titta gärna igenom kursbeskrivningen och klicka på Ta bort denna kurs när du är redo. Se dig inuti Den idealiska studenten för kursen är en nybörjare eller redan erfaren näringsidkare som redan vet grundläggande begrepp på finansmarknader och handel och vill öka sin kunskap i en så populär men allmänt missförstådd sfär som High Frequency TradingHow HFT förändrar vad vi vet om marknaden När TV-producenter letar efter bilder för att illustrera finansiella nyheter, är det enklaste valet ofta handelsgolvet i ett utbyte, med handlare som gestikulerar och ropar. Sommaren kommer några av dessa bilder att vara begränsade till historien. CME Group, världens största terminsutbyte, stänger nästan alla Chicago pits där generationer av handlare har bytt ut terminer och optionsavtal med skrik och handsignaler. Mycket av arbetet hos de handlare är nu automatiserat, exekverat av algoritmer som placerar tusentals beställningar varje sekund, och som tävlar varandra för att nå utbytesservrarna. Rekommenderad läsning Behövs snabbt: Bra köpare för osäkra fordringar Varför är du fel om en framtida börsfördröjning Hur Fed-satsrörelser påverkar ekonomin Det här är det senaste exemplet på hur elektronisk handel, och mer nyligen högfrekvenshandel (HFT), har förändrats marknadsföra. Men det är inte bara hastigheten och genomförandet som har förändrats: de uppgifter som finansmarknaderna producerar förändrar vad vi vet att vi visste om finansmarknaderna. Beväpnade med stora mängder data, och tillräckligt med beräkningsförmåga för att känna sig av dem, är ekonometrikare och statistiker på nytt och plockar hål i några långvariga teorier om hur marknaderna fungerar. Några av dessa teorier byggdes på dagliga datapunkter samlade från bundna böcker som hölls i bibliotek. Men i högfrekventa eran måste dessa hypoteser uppdateras. Det har skett en spridning av data, och det har lett till en renässans i empirisk forskning, säger MITs Andrew Lo. Marknadsutövare kan avskeda något av detta arbete som akademisk övning. Trots allt använder akademiker tidigare uppgifter för att förklara hur marknaden har fungerat, medan utövare fokuserar på att förutse framtida marknadsrörelser. Smarta handlare använder ekonometriska modeller som utvecklats av akademiker, många andra av utövare s verktyg för att tänka på saker och utforska saker, inte nödvändigtvis som evangelium, säger Columbia Universitys Emanuel Derman, författare till Modeller. Beter sig. Madly. Men Lo jämför förhållandet mellan akademiker och marknadsutövare till det mellan forskare och ingenjörer. När akademiker i ekonomi bedriver forskning, tar Wall Street ingenjörer sina grundläggande insikter och gör dem till handelsstrategier, vilket innebär att forskningen direkt bildar automatiserade handelsstrategier. Forskning utförs av Dacheng Xiu. biträdande professor i ekonometri och statistik i Chicago Booth, och hans medarbetare illustrerar förändringen pågår. Med hjälp av ögonblicksbilder pekar forskarna på långvariga teorier, bland annat en metod som förtjänar sin skapare till ett Nobelpris. Den allmänna metoden för ögonblicket Ekonometriska modeller tenderar att vara mycket geekiga. När Chicagos universitet Lars Peter Hansen vann Nobelminnespriset i ekonomisk vetenskap 2013, kämpade många journalister för att förklara sitt arbete, Generalized Method of Moments (GMM). Som en av Hansens två medarbetare, Robert Schiller of Yale, förklarad i New York Times, har professor Hansen utvecklat ett förfarande. för att testa rationella förväntningar modeller modeller som omfattar effektivmarknaden modeland hans metod har lett till statistisk avvisning av många fler av dem. (Eugene F. Fama. Robert R. McCormick Distinguished Service Professor i ekonomi på Chicago Booth, delade också Nobel samma år.) Xiu erbjuder ett annat sätt att tänka på det: GMM gav en allmän ram och vägledning för hur man tillämpar modeller på verkliga data. På Wall Street säger han att handlare och deras företag använder GMM, eller någon version av det, för att testa teoretiska modeller med marknadsdata. GMM fungerar därför som en bro mellan akademiska teorier och empiriska data. En branschexpert som intervjuats för den här artikeln (med en smalare definition av GMM än Xiu) uppskattar att endast hälften av Wall Street-kön vet att GMM existerar, och endast 5 procent av dem använder uttryckligen det. Xiu svarar att GMM har varit så grundligt anpassad av finansbranschen att många handlare kanske inte ens inser att de använder det. GMM publicerades 1982, praktiskt taget gammal historia till dagens finansmarknader. Som ett verktyg för att länka teorier till samtida marknader, säger Xiu, det har två huvudbegränsningar. För det första flyttas dagens marknader mycket snabbare än vad de gjorde 1982, och en handelsdagens värde är många storleksordningar större än vad det var. Idag är många modeller byggda för att förutsäga vad marknaden kommer att göra i nästa timme eller minut, snarare än nästa årtionde. Hansens tillvägagångssätt är utformat för långdistans-tidsserier under årtionden, och det måste anpassas för denna inställning, säger Xiu. För det andra, även om risken alltid har varit en del av handeln, existerade riskfyllbarheten för 30 år sedan knappt. År 1982 utvecklade Nobelpristagaren Robert Engle från NYU den berömda ARCH-modellen, som för första gången beskrev volatilitetens dynamik. År 1993 tillkännagav Chicago Board Options Exchange en realtidsrapportering om vad som skulle bli Volatilitetsindex, allmänt känt som "Wall Streets" - marginalmätare. VIX, en mätning av den implicita volatiliteten i SampP 500 indexoptioner, visar hur volatila optionsmarknaden förväntar sig börsen på de närmaste 30 dagarna. Sedan CBOE 2003 reviderat den metod som används för att beräkna VIX har flera företag lanserat börshandlade volatilitetsderivat, och investerare har tagit med sig dessa kontrakt entusiastiskt. För att använda GMM måste akademiker och handlare ofta göra starka antaganden, till exempel om man antar att volatiliteten följer ett visst mönster eller kan beräknas på ett perfekt sätt. Xiu och Duke Universitys Jia Li föreslår ett sätt att tweak GMM för att göra det mer tillämpligt på samtida marknader. De har skapat en version som, i hyllning till originalet, kallar de den allmänna metoden för integrerade ögonblick (GMIM). Och de har tagit ut det för en empirisk testkörning med hjälp av några av de högsta frekvensdata som samlats in av utbyten och tillgängliga från datalagrar. CBOE uppdaterar VIX-data var 15: e sekund, medan transaktionspriserna för terminer och lager har tidstämplats ner till varje sekund. Uppdaterade data varje millisekund har bara nyligen blivit tillgängliga för akademiker, säger Xiu, och han planerar också att använda dem. Fischer Blacks hävstångshypotes Innan XIM utvecklades, var Xiu en del av ett team som återvände den sena ekonomen Fischer Blacks inflytelserika 1976-hypotes om hävstångseffekt. På aktiemarknaden tenderar en volatilitet att flytta sig högre när aktiekursen flyttar nedåt i index som SampP 500. Black trodde att det negativa förhållandet mellan en volatilitet i tillgångar och avkastningen kunde förklaras av en företags skuldkvot förhållande. När priset på General Motors aktier minskar, t ex ökar volatiliteten på aktierna. Intuitivt är det meningsfullt: ju mer utnyttjat ett företag är desto mer volatila är dess aktier sannolikt. Men för att studera olika finansiella teorier om hävstångseffekten skulle man relatera hävstångseffekten till makroekonomiska variabler och fasta egenskaper, som vanligtvis uppdateras varje månad eller kvartalsfrekvens, skriver Xiu och University of Montreals Ilze Kalnina. De ville utvärdera den välkända hypotesen med hjälp av data från mycket mindre perioder. Som forskningsnoteringar uppskattas volatiliteten snarare än exakt uppmätt. En gemensam strategi för att övervinna detta hinder har varit att skapa preliminära uppskattningar av volatilitet över små fönster i tid, sedan beräkna korrelationen mellan dessa uppskattningar och investeringarna returnerar. Tillvägagångssättet introducerar emellertid mycket statistiskt buller över vilka ekonometriker anser att korta perioder, exempelvis en månad eller kvart. Även med år av data kvarstår korrelationen obetydlig. Xiu och Kalnina ersatte preliminära uppskattningar av volatilitet med data från två källor: aktiekurser eller index futures och högfrekventa observationer tillgängliga för VIX eller ett alternativt volatilitetsinstrument. Sammanfattningsvis drar de slutsatsen att det finns bevis för att Blacks hävdar hypotesen fortfarande håller: en företags skuldsättningsgrad bidrar till att förklara förhållandet mellan volatilitet och avkastning. Men de finner också att det kan finnas andra faktorer på jobbet, inklusive kreditrisk och likviditetsrisk. Skuldsättningsgraden är inte nödvändigtvis den dominerande variabeln, säger Xiu. Xiu och Kalnina kan i viss mån bevisa vad många handelsmän som redan misstänker. Optionshandlare är medvetna om ett mönster som kallas volatilitetsljudet som uppstår i aktieindex, som SampP 500-volymen ökar, eftersom strejkpriserna för ett alternativ minskar. Hävstångshypotesen är en förklaring till detta mönster, säger Derman. Han säger att näringsidkare tar hänsyn till volatilitetsleendet, men inte nödvändigtvis tillskriva det på hävstångshypotesen. Alternativ för prissättning Frågor om hävstångseffekten ledde Xiu att ifrågasätta alternativa prissättningsmodeller. Av de många saker som modelleras i finans är priset på aktieoptioner en av de mest grundläggande. Optionskontrakt sparkade av den finansiella industrins kvantitativa revolution: Efter att CBOE bildade och lanserade sina första kontrakt, utformade Fischer Black och Myron Scholes sin berömda Black-Scholes-modell, vilken handlare använde sig av prisalternativ. I åratal har handlare och mäklare i handelshallen tryckt ut priserna beräknat med hjälp av Black-Scholes. Många i finansbranschen använder Heston och en mängd liknande modeller för att värdera alternativ. Är det klokt 13 Den modellen publicerades långt före VIX-indexet, och förutspådde ökningen av volatiliteten som en tillgångsklass. Black-Scholes förutsätter att volatiliteten är en konstant mätning, medan nyare modeller vet att volatiliteten faktiskt fluktuerar. Som ett resultat har många människor ersatt Black-Scholes med nyare modeller, den mest kända som är Heston-modellen, namngiven för University of Marylands Steven L. Heston. En förlängning av Black-Scholes, Heston förutsätter att en volatilitet i tillgångar är slumpmässig, inte konstant, och är korrelerad med tillgångsavkastning (hävstångseffekten som nämns ovan). Många i finansbranschen använder Heston och en mängd liknande modeller (de så kallade affine-modellerna) för att värdera alternativ. Är det klokt att Xiu och Dukes Jia Li bestämde sig för att ta itu med frågan genom att testa en nyckelfunktion hos dessa Heston-modeller: det linjära förhållandet mellan spot och underförstådd volatilitetspotvolatilitet är utbetalningen av volatilitets terminkontrakt som kommer att löpa ut i framtiden och underförstådda volatiliteten är det aktuella marknadspriset för optionen. Forskarna samlade 23 kvartalsvärden data om underförstådd volatilitet (med hjälp av VIX) och spotvolatilitet (erhållen från SampP 500), som sträckte sig över 1 457 dagar. De finner att förhållandet mellan punkt och underförstådd volatilitet faktiskt är olinjär. Om du kartlägger de två uppsättningarna av volatilitetsdata, istället för att skapa en konsekvent linje, kommer de avstånd från varandra och visar vad forskarna menar betydande temporär variation. Än en gång kan akademin ge bevis för vad utövare misstänker: Hestonsmodellen är bristfällig. Xiu, som arbetade hos ett handelsföretag innan han fick sin doktorand, säger att många handlare har observerat att Heston-modellen inte fungerar. Och en branschexpert, som bad att inte identifieras, sa att även om Heston är populär eftersom det på vissa sätt är lätt att använda, har det känt svagheter. Men han sa också att det skulle hjälpa handelsmän att få förhållandet bättre kvantifierat. Volatilitet och handelsvolym Forskarna gör också GMIM till en annan välkänd teoretisk modell, MHD, som går ut på 1970-talet och förutspår en relation mellan volatilitet och likviditetsåtgärder som handelsvolym. Det är viktiga variabler för strategier för marknadsaktörer, och MDH är en av modellerna som länkar dem. Det hävdar att goda eller dåliga nyheter driver både dagliga prisförändringar och volym. Nordvästliga universitetet Torben G. Andersen skapade en modifierad version 1996 som i stort sett gav samma resultat. Andersen gjorde det bra innan explosionen i högfrekventa data. Många av det arbete jag samlade in, säger han och hämtar sina biblioteksturer för att göra fotokopior av dagliga aktiekursdata och volymdata. Jag vet inte hur många böcker jag var tvungen att kopiera dessa sidor från, men det var väldigt tråkigt och begränsade hur många lager du kunde titta på. Han säger att även om volatiliteten har blivit en större del av marknaden sedan den tiden har volymerna också stigit. Institutionella investeringar har ökat, handelskostnaderna har sjunkit, och HFT-företag har lagt till miljontals transaktioner på globala marknader varje dag. Dessa saker har påverkat volymen annorlunda än de har volatilitet. Xiu och Li återställde MDH med GMIM, med fyra års värde för intradag-handelsdata, aggregerade var femte minut. De tittade på data från aktiekurserna på 3M, General Electric, IBM, JP Morgan Chase och Procter Amp Gamble. De finner att Andersens modifierade MDH-modell håller sig måttligt bra. Hans modell förutsäger att det finns en relation mellan volym och volatilitet, och vi fann stödjande bevis på det, säger Xiu. Så när volatiliteten är hög är handelsvolymen också. Men det förhållande som modellen förutspår mellan volatilitet och volym är fel ungefär halva tiden. De finner till exempel att nyheterna har mer effekt under krisetider. Våra bevis tyder på att den modifierade MDH-modellen behöver ytterligare förfining för att fullt ut kunna ta itu med modelleringen av intradag-högfrekvensdata, skriver författarna. Andersen säger att det på 1990-talet var spännande att kunna dra en koppling mellan volatilitet och volym, men han var medveten om databegränsningarna. Xiu och Li, säger han, återgår arbetet i andan av hur vi gjorde det. Xiu säger att nästa steg för forskarna är att tänka på hur HFT påverkar förhållandet mellan volatilitet och likviditet. Det kräver att man använder data med högre frekvens. Xiu och Li har testat sina teorier med hjälp av data insamlade varje sekund, men Xiu säger att deras metod kommer att kunna hantera data samlade vid hastigheter på mindre än en sekund. Med handeln blir allt snabbare, kommer det även att arbetet bara skrapa ytan på vad framtida statistiker kommer att kunna analysera. med John Hintze

No comments:

Post a Comment