چگونه اقدامات حرکت قیمت می تواند تصمیمات اجرای را آگاه کند

برای شرکت کنندگان در بازارهای سهام اروپا ، استفاده از اقدامات هوشمند در مورد حرکات قیمت قبل و بعد از هر تجارت می تواند به اطلاع رسانی بهتر تصمیمات اجرای کمک کند و بنابراین بهینه سازی و بهبود کیفیت اجرای.

با گرفتن هر تیک در بازار برای هر سهام در همه مکان ها ، می توانیم ببینیم که چگونه قیمت سهم قبل و بعد از هر تجارت حرکت می کند.

در شرایط عادی ، انتظار می رود بیشتر سهام مایع حداقل در طی یک دوره پنج دقیقه ای حداقل یک بار تجارت کند ، مطمئناً احتمالاً یک حرکت در پیشنهاد یا سؤال و در نتیجه نقطه میانی اتفاق می افتد.

ما می توانیم درصد احتمال حرکت را در دوره زمانی یا میزان تغییر قیمت در نقاط پایه در یک بازه معین اندازه گیری کنیم.

در شرایط ایده آل ، با تعداد زیادی از مشاهدات ، انتظار داریم که اقدامات متقارن باشد ، یعنی احتمال حرکت بازار و تغییر قیمت باید در مدت زمان مشخص قبل و بعد از تجارت یکسان باشد.

شکل 1: احتمال تغییر در بازار/تغییر قیمت قبل و بعد از یک زیر بزرگ در مقیاس تجاری داخلی سیستماتیک مقیاس

"لبخند" متقارن گسترده در نمودار نشانگر شکل خوش خیم و نشانگر کمی از حرکت غیر منتظره قبل یا بعد از تجارت است.

ما در نظر گرفتیم که چرا در صورت عدم وجود عوامل بیرونی ، نباید منحنی متقارن به هر طرف نقطه اعدام باشد. تغییر در شیب یا زاویه ممکن است چیزی را در خارج از مسیر عادی یا بهینه نشان دهد.

کتابهای مرتبه مرکزی رایج ترین و مکانیسم اجرای بسیار شفاف هستند. اگر متجاوز تمام نقدینگی موجود را در لمس مصرف کند ، ماهیت تعامل در کتاب منجر به حرکت میانه می شود. این جنبش پس از تجارت ناشی از تجارت به عنوان تأثیر بازار گفته می شود. هرگونه شواهدی از انحراف از هنجار قبل از تجارت ، توضیح سخت تر خواهد بود زیرا ممکن است حاکی از انتظار برخی از تجارت باشد و می توان از آن به عنوان "پیش بینی" یاد کرد.

شکل 2: قیمت واقعی قبل از/بعد از تجارت در انواع مختلف اعدام حرکت می کند

اقدامات ما (و نشریات مشابه سالهای گذشته) نشان می دهد که هر مکانیسم الگوی متفاوتی را نشان می دهد. چند نمونه:

• بازارهای روشن پاسخ قابل توجهی بزرگتر پس از تجارت را نشان می دهند
• حراج های دوره ای یک پاسخ قبل از دوره را نشان می دهد. 100ms قبل از تجارت
• به نظر می رسد معاملات بلوک با تغییرات بازار قبل از تجارت و پس از تجارت بسیار ایده آل است.

مفهوم منحنی متقارن که یک حالت "عادی" را برای مجموعه ای از اعدام ها نشان می دهد ، باعث شد که ما با دقت بیشتری به نتایج نگاه کنیم. آیا می تواند راهی برای جمع آوری نتایج به منظور مشاهده دقیق تر تفاوت بین حرکت قبل و بعد از تجارت و شاید به دست آوردن بینش بیشتر در مورد مکانیسم های مختلف اجرای وجود داشته باشد؟

چه می شود اگر ما مشخصات قبل از تجارت را در مورد تجارت پس از تجارت قرار دهیم؟آیا این شرایط را نشان نمی دهد که جنبش قبل از تجارت غیر عادی تر از تجارت پس از تجارت باشد و برعکس؟

مشتق شده از این مشاهدات ، ما یک اقدام جدید ایجاد کردیم که به جامعه امکان می دهد مکانیزم ها را به راحتی مقایسه کند و معاملات خود را با این معیار جدید مقایسه کند.

این اندازه گیری به شرح زیر است:

• مجموعه داده ها باید پاکسازی ، سرپرستی و عادی شده باشد تا اطمینان حاصل شود که کدهای شرط ، جبران زمان و فیلترهای مناسب در کل سازگار هستند.
• برای هر تجارت ، ما تغییرات مطلق PBBO را در میانی قیمت در BPS با یک جبران معین قبل و بعد از زمان تجارت اندازه گیری می کنیم (PBBO و EBBO را مقایسه کردیم و نتایج را تقریباً یکسان دانستیم).
• جبران خسارات به شرح زیر است: -300s ، -60s ،… ، -1ms ، +1ms ،… ، +60s ، +300s
• در تمام معاملات در یک محدوده تاریخ معین (به عنوان مثال یک ماه) ما نتایج را برای هر جبران با استفاده از میانگین با وزن حجم از تغییرات قیمت اندازه گیری شده (از قیمت های متوسط) جمع می کنیم.
• نسبت حرکت قیمت (PMR) نسبت بین تجارت پس از تجارت و نتیجه قبل از دوره را برای هر بار جبران می کند.

شکل 3: تغییرات قبل از تجارت و پس از تجارت (معاملات زیر LIS)

نسبت حرکت قیمت ویژگی های زیر را نشان می دهد:

• Ratio value>1 برای جبران T ، به عنوان مثال10ms: 10ms پس از تجارت ، تغییر قیمت میانی (اختلاف مطلق در BPS) بزرگتر از تغییر مربوطه 10ms قبل از تجارت بود. این می تواند به عنوان تأثیر بازار تلقی شود.
• مقدار نسبت<1, e.g. at 100ms: 100ms before the trade the mid-price change was larger than after the trade. This could have several explanations relating to the execution mechanism or relate to some “anticipation” that a trade is about to take place.
• مقدار نسبت نزدیک به 1: وضعیت ایده آل ، یعنی رفتار قبل از تجارت و پس از تجارت مشابه است. ما می توانیم ببینیم که معیار با جبران زمان در حال رشد ، به این حالت ایده آل تبدیل می شود ، یعنی در جبران 300s حرکت قیمت میانی قبل و بعد از تجارت کم و بیش برابر است (به طور متوسط).

نسبت 0. 5 در جبران 200 متر است: میانگین تغییر قیمت 200 متر قبل از زمان تجارت دو برابر بیشتر از تغییر قیمت مشاهده شده 200 متر پس از تجارت بود.

شکل 4: با استفاده از نسبت حرکت قیمت (PMR) برای شناسایی تغییرات قیمت غیر منتظره قبل از دوره

با استفاده از این اندازه گیری نسبت حرکت قیمت (PMR) ، جامعه نه تنها برای شناسایی تأثیر یا پیش بینی بلکه بزرگی نیز دارد. این اندازه گیری می تواند برای مقایسه مکانیسم های مختلف معاملاتی و بیشتر برای مقایسه مکان های رقابت با یک مکانیسم معاملاتی مشترک استفاده شود.

ما می توانیم منظره ها را گسترش دهیم تا به جغرافیایی ها/مناطق و شاید از همه مهمتر با گذشت زمان نگاه کنیم تا ببینیم روندها در حال تحول هستند یا خیر.

در پایان ، با استفاده از اقدامات حرکت قیمت ، شرکت هایی که سهام اروپا را تجارت می کنند می توانند بینش ارزشمندی در مورد چگونگی ، چه موقع و کجا به بهترین وجه معاملات خود را انجام دهند و کیفیت اجرای کلی خود را بهبود بخشند.

اندازه گیری جدید ابزاری است که می تواند به جامعه کمک کند تا به سؤالات موجود و آینده پاسخ دهد ، به عنوان مثال. ویژگی های استخرهای نقدینگی (بلوک ها ، SIS ، حراج های مکرر دسته ای) را به مرور زمان مقایسه کنید و یا برای معیار اعدام های خود (کارگزار منفرد یا چند کارگزار). برای محاکمه تجزیه و تحلیل اعدام ما به Big XYT دسترسی پیدا کنید.

نمودارهای مورد استفاده در این مقاله از یک مطالعه جامع تر که برای مشترکین به کابین نقدینگی Big-Xyt در دسترس است ، انتخاب شد.