最优订单执行策略的深度剖析与模型比较

news/2024/12/11 21:05:59/文章来源:https://www.cnblogs.com/sljsz/p/18600721

更多精彩内容,欢迎关注公众号:数量技术宅,也可添加技术宅个人微信号:sljsz01,与我交流。

摘要: 本文深入探讨了最优订单执行策略相关问题,详细介绍了多种模型下的策略推导、最优性条件及特性。通过对 Almgren - Chriss 模型、Obizhaeva 和 Wang 模型、Alfonsi 和 Schied 模型等的分析,阐述了各模型中最优策略的形式及其与市场因素的关系。同时,讨论了价格操纵对最优策略存在性的影响,以及在不同假设下(如 ABM 和 GBM)最优策略的差异。此外,还介绍了线性瞬态市场影响下的相关理论,包括无价格操纵条件、最优策略的求解等,并以平方根模型为例,分析了其在实际交易中的应用及潜在成本节省。

一、引言

在金融市场中,最优订单执行是一个关键问题,涉及如何在给定股票价格演化模型的基础上,找到使成本函数最小化的交易策略。执行算法通常包含宏观交易者、微观交易者和智能订单路由器三个层面,本文主要关注宏观交易者层面,即如何分割订单。

二、问题陈述与基本概念

问题定义

给定股票价格模型,寻求最优交易策略以最小化成本函数,重点研究股票清算情况,初始头寸为,最终头寸为。交易策略分为静态(交易前确定)和动态(取决于执行时市场状态),如 Delta - hedging 是动态策略,VWAP 是静态策略。

重要观察与推论

若策略成本仅通过

依赖于股票价格,经分部积分可知其期望值与交易策略无关,可假设St=0。这有助于判断静态最优策略是否为动态最优策略,在一些模型(如 Almgren 和 Chriss、Almgren (2005)、Obizhaeva 和 Wang 等)中,静态最优策略是动态最优策略。

三、主要模型及其最优策略

1、Almgren - Chriss 模型

模型设定

市场影响和滑点建模为股票价格St满足,交易价格

临时市场影响瞬间衰减,不影响市场价格St。

静态最优策略

使成本函数

最小化的静态最优策略

,其 Euler - Lagrange 方程为:

添加风险项后的策略变化

添加惩罚交易成本方差的风险项

后,预期风险调整后的交易成本为

,Euler - Lagrange 方程变为

,解为

,静态最优解仍是动态最优解。

2、Obizhaeva 和 Wang 2005 模型

模型特点

市场影响与交易速率线性相关且指数衰减,价格过程为

,预期交易成本为

最优策略推导

当交易政策静态最优时,Euler - Lagrange 方程

成立,通过对成本函数求泛函导数得到

这是 Fredholm 积分方程。代入

可得最优策略为在t=0进行大宗交易,在以(0,T)速率连续交易,在t=T进行另一大宗交易,此时体积影响过程Et是常数。

3、Alfonsi、Fruth 和 Schied 模型

模型描述

考虑订单簿模型,有连续(一般非线性)订单密度f(x)在鞅要价At之上,累积订单密度

,执行会消耗订单簿,购买股会使要价变化。

最优清算策略

成本函数为

(Et为体积影响过程,H(x)为执行瞬时大宗交易的成本)。假设

,可得最优选择满足的条件

,通过泛函求导可证明该策略的(静态)最优性。例如

4、不同模型假设下的策略对比

ABM 与 GBM 假设对比

在 Almgren - Chriss 模型中,若股票价格过程假设为算术布朗运动(ABM),静态最优策略是动态最优策略;若假设为几何布朗运动(GBM),最优策略依赖于股票价格。如 Forsyth 等人在 GBM 下数值求解 HJB 方程,发现有效前沿与 ABM 情况几乎相同,但问题病态,许多策略成本函数值相近,且股票价格高时应更快交易以降低方差,卖出股票时最优策略是价内激进,买入股票时是价内被动。

不同模型最优策略特性总结

Almgren - Chriss 风格模型中,风险价格为零时,最小成本策略是 VWAP;Alfonsi - Schied 风格模型中,若弹性仅取决于当前价差,最小成本策略是在开始和结束时有大宗交易,中间以恒定速率连续交易;更一般地,若市场影响是瞬态的,最优策略涉及交易爆发,VWAP 不是最优策略。在大多数常规模型中,最优清算策略与股票价格无关,但也可构造类似模型使最优策略依赖于股票价格,且合理参数和时间尺度下,最优策略接近静态策略。

四、价格操纵与最优策略存在性

价格操纵的影响

部分模型存在价格操纵可能,即往返交易可平均产生现金,此时无最优策略。例如,之前考虑的模型中最优策略交易方向相同,但存在其他模型使价格操纵成为可能。

线性瞬态市场影响下的相关理论

无价格操纵条件定义往返和价格操纵策略后,命题表明C(X)>=0对所有允许策略X成立当且仅当G(|.|)可表示为上正有限 Borel 测度的 Fourier 变换,即

一阶条件:定理指出若G是正定的,X最小化C(.)当且仅当存在常数lamda使得X解广义 Fredholm 积分方程

无交易触发价格操纵条件:定理表明若衰减核G(.)是凸的,

且允许策略集非空,则存在唯一允许最优策略X,且Xt是的单调函数,不存在交易触发价格操纵;若G在零附近不是凸的,则存在交易触发价格操纵。

五、平方根模型及其应用

模型介绍与实证验证

平方根公式

(theta是每日波动率,V是每日交易量,Q是待交易股票数量,alpha是常数)在交易软件中广泛应用,如 Salomon Brothers、Barra 和 Bloomberg 的相关产品。从 Tóth 等人的研究中,通过对 CFM1 专有交易的元订单影响分析,发现该公式在一定范围内得到了实证验证。

平方根模型下的最优策略与成本节省

在平方根模型

中,若

是凹函数,最优策略不存在;若f(v)对大v是凸函数,则存在最优策略,涉及交易爆发(通常多于两次)。以出售 540,000 股 IBM 股票为例,在假设条件下比较 VWAP、两切片桶状策略和准最优策略(由七个大致相等切片组成)的成本,发现准最优策略可节省 32% 的成本,桶状策略可节省 17% 的成本,展示了优化调度策略在潜在成本节省方面的重要性。

六、结论

最优交易策略取决于模型。不同模型下最优策略形式各异,同时需考虑价格操纵对策略存在性的影响。平方根模型在合理规模元订单的市场影响描述上较为准确,基于此模型优化调度策略可显著节省成本,这对金融交易实践中的订单执行策略选择具有重要意义。在实际应用中,需根据具体市场情况和模型假设选择合适的策略以实现最优执行。

 

 

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/851046.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

MobiSys2022 CoDL论文详解

算子切分在了解算子切分前,先了解一下卷积的运算过程,作者将算子切分分为了两个维度的切分:OC维度和H维度,没有W维度可能与数据在内存中的存储方式有关。 OC维度切分卷积就是OC数量个kernel_sizekernel_sizeIC大小的卷积核与输入张量卷积计算后的输出叠加,因此从OC维度上切…

01背包DP分析过程

本文来自博客园,作者:DaWeiGuo,转载请注明原文链接:https://www.cnblogs.com/daweiguo/p/18600694

verilog 仿真器显示ascII码。

module ascii_display; reg [7:0] ascii_code; initial begin ascii_code = 8h00; // 初始值为0 repeat (128) begin $display("ASCII Code: %h, Character: %c", ascii_code, ascii_code); #1 ascii_code = ascii_code + 8h01; //…

ChatGPT 中文版国内镜像网站整理合集(2024/12/11)

ChatGPT 镜像站的用途 镜像站(Mirror Site)ChatGPT镜像网站是指通过复制原始网站内容和结构,创建的备用网站。其主要目的是在原始网站无法访问时,提供相同或类似的服务和信息。​ 一、ChatGPT 中文版国内镜像网站整理合集 ① yixiaai.com 支持4o以及o1,支持MJ绘画 ② chat…

Majority [məˈdʒɔːrəti] 大多数,多数票

多数表决器的设计有三位同学参加投票表决,每人手里有一个按键,两人以上同意(按键按下)则通过(指示灯亮),否则不通过(指示灯不亮),试使用搭建电路,完成多数表决功能。 //------------------------------------ // 多数表决器 //------------------------------------…

【Docker】Docker镜像分层

我们在上一章,讲了虚拟化,虚拟化是把硬件虚拟化,然后创建出来的虚拟机完全隔离,而Docker则是软件(内核)虚拟化,他的隔离性会低于虚拟机。我们将通过3-4周来讲解Docker相关内容,由于涉及到内容较多,就不一一列出来具体的细节,主要从以下几个方面来讲解:Docker基本情况 …

转载:【AI系统】AI轻量化与并行策略

了解 AI 计算模式对 AI 芯片设计和优化方向至关重要。本文将会接着从轻量化网络模型和大模型分布式并行两个主题来深入了解 AI 算法的发展现状,引发关于 AI 计算模式的思考。 轻量化网络模型 随着神经网络应用的普及,越来越多的模型需要在特定的硬件平台部署,如移动端和嵌入…

linxux学习01

Linux第一天 1、为什么要学习linux? 因为大数据中绝大部分核心组件都是基于linux操作系统运行的,企业中基本上都是linux系统。2、怎么去学linux?(什么是大数据)大数据技术组件 hadoop hive zookeeper hbase spark flink kafka ranger dolphinescheduler es hudi doris .…

转载:【AI系统】模型演进与经典架构

了解 AI 计算模式对 AI 芯片设计和优化方向至关重要。本文将会通过模型结构、压缩、轻量化和分布式几个内容,来深入了解 AI 算法的发展现状,引发关于 AI 计算模式的思考,重点围绕经典网络模型和模型量化压缩两方面进行展开。 经典模型结构设计与演进 神经网络的基本概念 神经…

第86篇 8种基本数据结构

1.数据结构概述 数据结构是计算机存储、组织数据的方式。 通常情况下,精心选择的数据结构可以带来更高的运行或者存储效率。数据结构的优良将直接影响着我们程序的性能; 常用的数据结构有:数组(Array)、栈(Stack)、队列(Queue)、链表(Linked List)、树(Tree)、图(…

全球供应链一体化解决方案

在当今全球化的经济背景下,供应链管理的效率和效果对企业的成功至关重要。本文将带您深入了解中外运物流如何通过其全球供应链一体化解决方案,帮助企业优化从客户端到端的供应链流程。什么是一体化解决方案?即面向企业整体供应链的集成解决方案,覆盖客户端到端供应链,并在…

【docker】教你将程序打包成 Docker 镜像

引言 在现代软件开发中,容器化技术已经成为趋势。不仅仅是Docker,云原生架构、Kubernetes等同样依赖镜像技术来实现应用的快速交付和高效部署。将程序制作成镜像是迈向容器化和云原生的第一步。这篇文章将从零开始,带你轻松掌握将程序打包成镜像的核心技能,为你的应用构建“…