Высокочастотная модель для анализа флэш-аварии 2010 года и событий аварии Mini
28 июля 2025 г.Таблица ссылок
Аннотация, подтверждения, а также заявления и декларации
Введение
Фон и связанная работа
2.1 Моделирование финансового рынка на основе агента
2.2 Эпизоды флэш -аварии
Структура модели и настройка модели 3.1
3.2 Общее поведение трейдеров
3.3 Фундаментальный трейдер (Ft)
3.4 Momentum Trader (MT)
3,5 шумового трейдера (NT)
3.6 Market Maker (MM)
3.7 Динамика моделирования
Калибровка и проверка модели и целевая калибровка 4.1: данные и стилизованные факты для реалистичного моделирования
4.2 Калибровочный рабочий процесс и результаты
4.3 Проверка модели
Сценарии флэш -аварии 2010 года и 5,1 моделирования исторической флэш -аварии
5.2 Флэш -авария в разных условиях
Мини -флэш -сценарии аварии и 6.1 Внедрение трейдера Spiking (ST)
6.2 Анализ мини -флэш -аварии
6.3 Условия для сценариев аварии мини -флэш -авара
Заключение и будущая работа
7.1 Сводка достижений
7.2 Будущие работы
Ссылки и приложения
АБСТРАКТНЫЙ
В этой статье описывается моделирование и анализ сценариев флэш-аварии в рамках моделирования на основе агента. Мы разрабатываем, внедряем и оцениваем новый высокочастотный агент-симулятор финансового рынка, который генерирует реалистичные временные ряды финансовой цены на миллисекунд на рынке фьючерсов E-Mini S & P 500. В частности, предоставлена микроструктурная модель единой безопасности, торгуемой на центральной книге Ордена, где различные типы трейдеров следуют различным поведенческим правилам. Модель откалибрована с использованием подхода суррогатного моделирования машинного обучения. Результаты статистического теста и момента охвата показывают, что модель обладает превосходной способностью воспроизводить реалистичные стилизованные факты на финансовых рынках. Представляя институциональный трейдер, который имитирует алгоритм продажи реального мира [1] 6 мая 2010 года, предложенный высокочастотный имитатор финансового рынка на основе агента используется для моделирования флэш-аварии, которая произошла в тот день. Мы тщательно изучаем динамику рынка во время моделируемой флэш -аварии и показываем, что моделируемая динамика согласуется с тем, что произошло в исторических сценариях флэш -аварии. С помощью моделирования Монте -Карло мы обнаруживаем функциональные отношения между амплитудой моделируемой флэш -аварии 2010 года и тремя условиями: процент объема алгоритма продажи, лимита инвентаризации производителя рынка и частотой торговли фундаментальными трейдерами. Аналогичные анализы проводится для событий мини -флэш -аварии. Инновационный «Trader» вводится в модель, направленную на ускорение событий Mini Flash Crass. Мы анализируем динамику рынка в течение типичного моделируемого события Mini Flash Crass и изучаем условия, влияющие на его характеристики. Предлагаемая модель может быть использована для тестирования устойчивости и устойчивости алгоритмов торговли и предоставления советов для политиков.
Благодарности
Поддержка Великобритании EPSRC (грант № EP/L016796/1, EP/N031768/1, EP/P010040/1, EP/S030069/1 и EP/V028251/1), Xilinx и Intel с благодарностью подтверждается. Кан Гао имеет стипендию в Китае-стипендию-империальную стипендию.
Заявления и объявления
Конкурирующие интересыАвторы заявляют, что у них нет дальнейшего конфликта интересов.
1 Введение
С появлением электронных финансовых рынков для обмена ценными бумагами, электронная книга централизованного ограниченного порядка стала стандартным рыночным механизмом для сопоставления транзакций и обнаружения цен. Эта форма книги заказов предлагает участникам рынка более ликвидную рыночную систему с небольшим распространением цен на предложение, увеличена глубина рынка и сокращение времени транзакции.
Алгоритмическая торговля обычно определяется как использование компьютерных алгоритмов для автоматического принятия торговых решений, отправки заказов и выполнения управления заказами после подачи. В последнее десятилетие алгоритмическая торговля быстро выросла по всему миру и стала доминирующим способом, которые ценные бумаги торгуются на финансовых рынках, в настоящее время генерируя более половины объема акционерных рынков в США. Постоянное улучшение компьютерных технологий и ее применения как трейдерами, так и биржами, вместе с развитием рыночной микроструктуры, автоматизации цены и выполнения торговли вместе обеспечивают более быструю торговлю. В настоящее время скорость представления порядка стала основной характеристикой для различения торговых агентов. Участники рынка, известные как высокочастотные трейдеры, способны торговать сотни раз за секунду, используя быстрые алгоритмы и специализированные сетевые подключения с биржами. Высокочастотные трейдеры часто быстрее в порядке, чем другие трейдеры, и даже другие торговые алгоритмы.
Рост алгоритмической торговли и высокочастотной торговли оказал широкое влияние на финансовые рынки, особенно на процесс обнаружения цен и стабильность рыночной цены. Одним из заметных воздействий является все более частая «флэш -авария» на крупных финансовых рынках. Флэш -аварии включают большие и быстрые изменения в цене актива, который не совпадает с изменениями в экономической фундаментальной стоимости для актива. События флэш -аварии произошли на рынках, которые являются одними из крупнейших и самых жидких обменов в мире. Одним из представителей Flash Crash является знаменитая флэш-авария 2010 года, которая произошла на фондовом рынке США 6 мая 2010 года. Во время этого мероприятия Flash Crash алгоритм участника рынка вызвал резкое падение цен на рынке фьючерсов E-Mini S & P. Флэш -авария вскоре распространилась на другие фьючерсные рынки и акционерные рынки. Рыночная цена упала почти на 6% всего за несколько минут, в то время как основная часть потерь была восстановлена почти так же быстро. Флэш -авария 2010 года привела к условиям суматохи и вызвала огромную потерю рыночной стоимости. Что касается причины флэш -аварии 2010 года, Kirilenko et al. (2017) показывают, что ключевые события в Flash Crash 2010 имеют четкие отношения в отношении алгоритмической торговли.
Флэш -авария 2010 года кажется единственным из -за того, что никакие последующие события не соперничали его глубины, широты и скорости движения цен. Тем не менее, флэш -авары в меньшем масштабе часто случаются. Эти события называются мини -флэш -аварами (Johnson et al. 2012). Согласно Johnson et al. (2012), в период с 2006 по 2011 год было выявлено более 18 000 мини-флэш-аварий. Поскольку масштабируемые версии флэш-аварии 2010 года, мини-флэш-авары являются резкими, а серьезные изменения цен происходят в течение чрезвычайно короткого периода времени (Golub et al. 2012). Мини -флеш -аварии привлекают большой исследовательский интерес, потому что их частое появление может дестабилизировать финансовый рынок и подорвать доверие инвесторов (Golub et al. 2012).
Эпизоды флэш -аварии [2], в том числе большая флэш -авария и события Mini Flash Crass, вызывают серьезную обеспокоенность для исследователей, практиков и политиков. Желательны финансовые рынки, на которых изменения цен являются упорядоченными и отражают надлежащие изменения в факторах оценки. Тем не менее, эпизоды флэш -аварии могут потенциально дезорганизировать такой желательный рынок и привести к неблагоприятным последствиям для финансовой стабильности, если они будут препятствовать инвестициям, подрывая доверие инвесторов к цене, по которой ценные бумаги могут быть совершены (Karvik et al. 2018). Чтобы не допустить более частых и более длительных эпизодов флэш-аварий, важно понять, как возникают такие эпизоды. В этой статье мы исследуем динамику как во время больших флэш -аваров, так и в мини -флэш -авариях. Основная методология, используемая здесь,-это моделирование финансового рынка в агентских моделях. Моделирование финансового рынка на основе агента обеспечивает реалистичные данные о синтетическом финансовом рынке и испытательный стенд для изучения динамики во время эпизодов и условий флэш-аварии, которые влияют на характеристики эпизодов флэш-аварии.
Моделирование финансового рынка на основе моделей на основе агентов является многообещающим инструментом для понимания динамики финансовых рынков. Благодаря огромной потенциальной академической и промышленной стоимости, в последние годы моделирование финансового рынка на основе агента привлекло внимание. Моделирование финансового рынка с помощью агентских моделей-это захватывающая новая область для изучения поведения финансовых рынков. Моделирование финансового рынка на основе агента состоит из ряда различных агентов, которые следуют заранее определенным правилам, таким образом, аналогичным тому, как реально ведет себя трейдер в реальности. В отличие от традиционных экономических теорий, на финансовых рынках на основе агентов нет предположения о равновесии. Кроме того, у торговцев больше не предполагается, что они имеют рациональное поведение, как в традиционных экономических теориях. Удаление этих допущений делает агент на основе финансового рынка более реалистичным, чем традиционные экономические и финансовые теории на основе равновесия. Эти преимущества моделирования финансового рынка на основе агента позволяют изучить сложные явления, такие как эпизоды флэш-аварии на современных финансовых рынках, что не поддается традиционным теориям на основе равновесия.
В литературе были разработаны различные агентские симуляторы. Тем не менее, все еще существуют пробелы в создании идеального агентского финансового рынка финансовых симуляторов, которые способны создавать синтетические высокочастотные рыночные данные, которые являются реалистичными. В частности, большинство существующих агентских финансовых рынков имеют более низкую частоту, такие как ежедневная или еженедельная. Чтобы исследовать динамику рынка, которая включает в себя высокочастотную торговлю, необходима более высокая частота моделирования. Кроме того, вместо использования полных протоколов обмена многие симуляторы делают предположения о процессе формирования цен и используют математические формулы для приближения соответствующего двигателя. Это значительно подрывает реализм симулятора. И последнее, но не менее важное, надлежащая калибровка и проверка моделирования финансового рынка на основе агента все еще остаются открытой проблемой.
Подводя итог, есть двапроблемычто эта статья направлена на рассмотрение:
• C1: для разработки и реализации высокочастотного агентного финансового рынка с полным протоколами обмена, а также с надлежащим процессом калибровки и проверки для воспроизведения реалистичного искусственного финансового рынка.
• C2: под предложенным агентным симулятором финансового рынка исследуйте динамику рынка во время флэш-аварий (включая как большие флэш-авары, так и мини-флэш-авары) и исследуют условия, которые влияют на характеристики флэш-аваров.
Мотивированные вышеупомянутыми проблемами, мы разработали новый высокочастотный симулятор финансового рынка, чтобы сузить существующие пробелы. Затем симулятор используется для изучения динамики во время флэш -аваров и условий, которые влияют на флэш -авары. Вообще говоря, нашвкладВ этой статье три раза:
• Реализован высокочастотный финансовый рынок на основе агента, причем каждый шаг моделирования соответствует 100 миллисекундам. Полные протоколы обмена (ограниченные книги заказа) реализованы для моделирования процесса сопоставления заказа. Таким образом, мы предоставляем микроструктуру модель единой безопасности, торгуемой на центральной книге Ордена, в которой участники рынка следуют фиксированным поведенческим правилам. Модель откалибрована с использованием подхода суррогатного моделирования машинного обучения. Что касается проверки модели, результаты статистического теста и моментного покрытия показывают, что моделирование способно воспроизводить реалистичные стилизованные факты на финансовых рынках.
• В рамках предложенного высокочастотного агентства, основанного на агентском финансовом рынке, флэш-авария 2010 года реалистично моделируется путем представления институционального трейдера, который имитирует алгоритм продажи реального мира 6 мая 2010 года. Мы исследуем динамику рынка во время моделируемой флэш-аварии и показывают, что моделируемая динамика соответствует тому, что произошло в исторических сценариях флэш-аварии. Затем мы исследуем условия, которые могли повлиять на характеристики флэш -аварии 2010 года. Согласно нашему моделированию Монте -Карло, три условия значительно влияют на амплитуду флэш -аварии 2010 года: процент объема (POV) алгоритма продажи, лимита инвентаризации рынка и частоты торговли фундаментальных трейдеров. В частности, мы обнаружили, что взаимосвязь между амплитудой моделируемой флеш -аварии 2010 года и POV алгоритма продажи не является монотонной, как и связь между амплитудой и пределом инвентаризации рынка. Для частоты торговли фундаментальных трейдеров, чем выше частота, тем меньше амплитуда моделируемой флеш -аварии 2010 года.
• Аналогичный анализ проводится для Mini Flash Crash Events. Инновационный тип трейдера под названием «Spiking Trader» вводится в агентство на основе финансового рынка, создавая больше цены и ускоряет больше событий Mini Flash Crash. Динамика рынка для типичного моделируемого события Mini Flash Crash анализируется. Мы также исследуем условия, которые могут повлиять на характеристики событий мини -флэш -аварии. Экспериментальные результаты показывают, что ограничение инвентаризации рынка значительно влияет как на частоту, так и амплитуду событий мини -флэш -аварии. Тем не менее, частота торговли фундаментальными трейдерами не показывает явного влияния на события мини -флэш -аварии в наших экспериментах.
Ановинканашего подхода заключается в нескольких функциях. Во-первых, предлагаемый агент-симулятор финансового рынка имеет более высокую частоту, чем большинство других симуляторов в литературе. Наш шаг симуляции находится на уровне миллисекунды, что позволяет исследовать высокочастотную динамику на моделируемом финансовом рынке, в то время как большинство моделей моделирования в литературе принимают более крупные шаги моделирования в 1 секунду или 1 минуту. Во -вторых, мы исследуем влияние различных рыночных конфигураций на амплитуду флэш -аварии 2010 года. Насколько нам известно, в существующей литературе есть несколько подобных экспериментов. В -третьих, предлагается инновационный тип трейдера по имени «Spiking Trader», чтобы ускорить больше событий Mini Flash Crash. В -четвертых, эксперименты, которые исследуют условия, которые влияют на частоту и амплитуду событий мини -флэш -аварии, также являются новистью этой работы.
Остальная часть статьи организована следующим образом. В разделе 2 представлен общий опыт работы с агентом финансового рынка и обзор предыдущих исследований о событиях флэш-аварии. В разделе 3 показана структура и детали для предлагаемой модели на основе агента, в то время как в разделе 4 представлена калибровка модели P и результаты проверки модели. Раздел 5 и раздел 6 предоставляют моделирование и анализ сценария флэш-аварии 2010 года и сценарии мини-флэш-аварии, соответственно, в рамках предложенного агентского финансового моделирования финансового рынка. Раздел 7 завершается и дает указания для будущей работы.
Авторы:
(1) Кан Гао, Департамент компьютеров, Императорский колледж Лондон, Лондон SW7 2AZ, UK и Simudyne Limited, Лондон EC3V 9DS, Великобритания (kang.gao18@imperial.ac.uk);
(2) Perukrishnen Vytelingum, Simudyne Limited, London EC3V 9DS, Великобритания;
(3) Стивен Уэстон, Департамент компьютеров, Имперский колледж Лондон, Лондон SW7 2AZ, Великобритания;
(4) Уэйн Лук, Департамент компьютеров, Имперский колледж Лондон, Лондон SW7 2AZ, Великобритания;
(5) CE Guo, Департамент компьютеров, Имперский колледж Лондон, Лондон SW7 2AZ, Великобритания.
Эта статья естьДоступно на ArxivПод CC BY-NC-ND 4.0 Лицензия.
[2] Мы используем «флэш -аварии», «эпизоды флеш -аварии» и «сценарии флэш -аварии» взаимозаменяемо в этой статье.
Оригинал