Trade arrival dynamics and quote imbalance in a limit order book
我们研究动态的出价和要求队列的限价订单簿和他们的关系与贸易的到来强度。特别地,我们研究了价格变动和交易到达的概率作为限价订单簿顶部报价不平衡的函数。我们提出了一个随机模型,试图捕捉联合动态的顶部的书队列和交易过程中,并描述了一个半分析的方法来计算市场事件的相对概率。我们使用历史市场数据校准模型,并讨论拟合质量和实际应用的结果。
2013-12-02 q-fin.TR
Understanding the worst-kept secret of high-frequency trading
本文通过构建做市商优化模型,内生地揭示了限价指令簿中价格与成交量不平衡的关系,证实了报价预测性不平衡的最优性,并为平台选择合适的报价单位提供了理论依据。
2024-07-23 q-fin.TR
Multi-Level Market Making with Reinforcement Learning
ETH Zurich(苏黎世联邦理工学院)
该研究提出一种强化学习做市框架,通过多元逻辑正态分布建模订单分配、深度集编码器聚合特征、势能奖励塑形加速学习,在含三类交易者的模拟市场中验证了其性能。
2026-08-20 q-fin.TR
Trade Co-occurrence, Trade Flow Decomposition, and Conditional Order Imbalance in Equity Markets
本文提出基于交易时间接近性的交易分类方法,定义条件订单失衡(COI)并研究其价格影响,发现COI与未来收益的相关性取决于交易隔离性,且基于COI的策略在457只股票上获得显著收益和夏普比率。
2024-03-13 q-fin.ST q-fin.TR
Optimal Execution with Dynamic Order Flow Imbalance
我们研究了同时考虑市场微观结构影响和信息成本的最优执行模型。信息足迹与订单流相关,由交易者对订单流不平衡过程的影响来表示,而微观结构影响则由瞬时价格影响来表示。我们提出了一个连续时间的随机控制问题,这两个成本之间的平衡。解释订单流不平衡导致考虑当前的市场状态,特别是一个人的订单是否倾向于或反对现行的订单流,在文献中的执行模型往往忽略的关键组成部分。特别是,为了对不断变化的订单流做出反应,我们将交易范围$T$内生化。在发展了一般的不确定时域公式之后,我们研究了几个易于处理的近似,它们依次优化了价格影响和$T$。这些近似,特别是一个动态版本的基础上滚动时域控制,被证明是非常准确的,并连接到流行的Almante-Chriss框架。我们还讨论了经验订单流的特征以及我们的模型与Easley等人的“最优执行地平线”(金融数学,2013)之间的联系。
2014-10-18 q-fin.TR
ClusterLOB: Enhancing Trading Strategies by Clustering Orders in Limit Order Books
ClusterLOB 通过对逐笔订单数据中的市场事件进行特征增强和 K-means++ 聚类,将参与者分为方向性、机会主义和做市三类,并利用各簇订单流不平衡信号构建出优于基准的交易策略。
2025-05-10 q-fin.TR
Cross-Impact of Order Flow Imbalance in Equity Markets
本研究针对股票市场多资产场景下订单流不平衡的价格影响问题,提出整合限价订单簿多档位OFI的方法,发现同期交叉影响无额外解释力,但滞后跨资产OFI可提升短期收益预测效果。
2023-06-13 q-fin.CP q-fin.ST q-fin.TR
Empirical Study of Market Impact Conditional on Order-Flow Imbalance
Adam Smith Business School, University of Glasgow(格拉斯哥大学亚当·史密斯商学院)
在本研究中,我们实证研究了影响股票市场流动性的关键驱动因素。我们说明了理论模型,如凯尔的模型,在金融市场中的代理人的相互作用,是如何与公开的交易和报价数据中观察到的现象。具体来说,我们证实,对于小签署的订单流,价格影响线性增长的订单流不平衡的增加。此外,我们还实施了一种机器学习算法来预测给定签名订单流的市场冲击。我们的研究结果表明,机器学习模型可以用于估计金融变量;这种学习算法的预测准确性可以超过传统统计方法的性能。了解价格影响的决定因素至关重要,原因有几个。从理论上讲,对影响进行建模可以提供流动性的统计衡量。从业者采用影响模型作为交易前的工具,以估计预期的交易成本,并优化其战略的执行。这进一步作为交易后的估值基准,因为次优执行可能会显着恶化投资组合的表现。更广泛地说,价格影响反映了市场流动性的平衡。这对监管机构至关重要,因为它全面解释了市场设计与系统性风险之间的相互关系,使监管机构能够设计更稳定和更有效的市场。
2020-04-24 cs.LG q-fin.CP q-fin.TR
The Power of Trading Polarity: Evidence from China Stock Market Crash
买卖失衡对市场趋势的形成有着深刻的影响,但对买卖失衡的细粒度研究尚不多见。本文以深圳证券交易所的大量股票为研究对象,利用一个独特的交易数据集,考察了高频交易中买卖双方在人次水平上的不平衡现象,即“交易极性”。交易极性从交易欲望的本质上衡量了市场对股票的情绪。当使用极性来检验市场崩溃时,我们发现交易极性成功地反映了市场层面行为在翻转时间、深度和长度方面的变化。我们进一步研究极性和回报之间的关系。在市场层面,交易极性与收益率负相关,而在股票层面,这种相关性会根据市场情况而变化,成为市场心理转变的良好信号。此外,市场极性和市场情绪之间的显著相关性表明,我们提出的极性,这实质上是在高频交易数据的背景下计算,可以实时反映市场的情绪。交易极性确实为理解和预测市场行为提供了一种新的方法。
2018-02-04 q-fin.CP q-fin.TR
Forecasting High Frequency Order Flow Imbalance
本文利用霍克斯过程建模买卖订单流的滞后依赖以估计订单流不平衡,并提出OFI近期分布预测及多模型比较方法,在印度国家证券交易所逐笔数据上验证指数和核霍克斯过程预测效果最佳。
2024-08-07 q-fin.TR
On a Simple Relationship Between Order Imbalance, Skew and Width in Over-The-Counter Trading
该研究针对场外交易场景,通过理论推导得出做市商订单失衡、报价偏斜与价差宽度间的简单调整关系,验证了相关启发式方法的合理性。
2026-08-11 q-fin.MF q-fin.ST q-fin.TR
Market efficiency and the long-memory of supply and demand: Is price impact variable and permanent or fixed and temporary?
在这篇评论中,我们讨论的问题,协调的线性效率的价格回报与长期记忆的供应和需求。我们提出了新的证据表明,效率是由流动性不平衡,与买方与卖方发起的交易的不平衡共同移动。例如,在买方发起的交易过多的时段期间,买盘的流动性也比卖盘的流动性更大,使得买盘产生的价格响应比卖盘更小且更不频繁。在下单时,交易符号的不平衡往往占主导地位,从而产生价格影响。然而,流动性不平衡随着时间迅速增加,因此在少量时间步长之后,它抵消了由交易符号不平衡引起的所有无效率,限制了价格影响。虽然Bouchaud等人提出的固定和暂时的裸价格影响的观点是自洽的,形式上是正确的,但我们认为,从可变但永久的价格影响的角度来看,这提供了一个更简单,更自然的观点。这与Lillo和Farmer最初的猜想是一致的,但在交易后流动性不平衡的建立过程中存在有限的时滞。我们讨论了可能的战略动机,引起流动性失衡,并提供了一个替代假设。我们还提出了一些结果,质疑长期预期价格影响的大幅波动的统计意义。
2006-02-02 physics.soc-ph q-fin.TR
Deep Learning of Robust Market Making under Regime-Switching Order Flow
Scuola Normale Superiore di Pisa(比萨高等师范学院)
本文提出基于Rainbow风格C51的深度强化学习做市商(RLMM),通过增加贝叶斯变点滤波器和队列调整不平衡信号,在机制切换订单流下优于GLFT并恢复盈利。
2026-11-13 q-fin.TR
The Price Impact of Order Book Events
我们研究了订单簿事件的价格影响-限价订单,市价订单和取消-使用纽约证券交易所TAQ数据的50只美国股票。我们发现,在短时间间隔内,价格变化主要是由订单流的不平衡,定义为最好的出价和卖价之间的供需不平衡。我们的研究揭示了订单流不平衡和价格变化之间的线性关系,与市场深度成反比的斜率。这些结果被证明是强大的季节性影响,稳定的跨时间尺度和跨股票。我们认为,这种线性价格影响模型,加上缩放参数,意味着经验观察到的“平方根”价格变化和交易量之间的关系。然而,价格变化和交易量之间的关系被发现是噪音和鲁棒性不如基于订单流不平衡。
2011-04-13 q-fin.ST q-fin.TR
Returns and Order Flow Imbalances: Intraday Dynamics and Macroeconomic News Effects
Hosei University(法政大学)
本研究利用异方差性识别的结构VAR模型,以秒级频率分析标普500 E-mini期货中收益与订单流不平衡的日内动态,发现宏观新闻显著改变价格-流量动态,冲击秒内消散,为高频价格形成与流动性提供新证据。
2025-10-08 econ.EM q-fin.TR
Order Flows and Limit Order Book Resiliency on the Meso-Scale
我们研究了由订单执行调度算法驱动的中尺度限价订单簿的行为。为此,我们对来自市价和限价订单提交的订单流进行了实证分析,通过基于交易量的分桶,以及各种LOB深度和形状指标,从逐点数据中汇总。我们证明了贸易不平衡和价格变化之间的非线性关系,然而,通过考虑市场和限价订单流的加权平均值,可以将其转换为线性联系。我们还记录了贸易不平衡和单边限价订单流之间的一种“大棒”依赖关系,突出了LOB的主动和被动侧之间的许多不对称效应。为了解决价格形成,账面弹性和稀缺的流动性的现象学特征,我们应用各种统计模型来测试不同的预测因子的预测能力。我们表明,在中尺度上的限价订单流(以及相对添加/取消率)进行最预测的权力。另一个发现是,更深的LOB形状,而不仅仅是账面不平衡,在这个时间尺度上更相关。实证结果是基于对纳斯达克六个大报价资产的分析。
2017-08-09 q-fin.TR
The Market Maker's Dilemma: Navigating the Fill Probability vs. Post-Fill Returns Trade-Off
Department of Statistics, University of Oxford(牛津大学统计系);Oxford-Man Institute of Quantitative Finance, University of Oxford(牛津大学牛津量化金融研究所);Department of Mathematics, University of California Los Angeles(加州大学洛杉矶分校数学系);Mathematical Institute, University of Oxford(牛津大学数学研究所);School of Mathematical Sciences, Queen Mary University of London(伦敦大学玛丽女王学院数理科学学院);Department of Mathematics and Statistics, Memorial University of Newfoundland(纽芬兰纪念大学数学与统计系)
本文研究了做市商在成交概率与成交后收益之间的权衡,发现反向策略在特定条件下更有效。
2025-11-23 q-fin.TR
Price formation and optimal trading in intraday electricity markets
我们开发了一个易于处理的均衡模型,在间歇性可再生能源发电的存在下,在日内电力市场的价格形成。利用随机控制理论,我们确定了代理商的最优策略与市场冲击和展示纳什均衡在封闭形式的有限数量的代理商,以及在平均场博弈的渐近框架。我们的模型再现了日内市场价格的经验特征,例如在交割日临近时价格波动性增加以及价格与可再生进料预测之间的相关性,并将这些特征与流动性,代理商数量和不平衡惩罚等市场特征联系起来。
2021-06-30 q-fin.PR q-fin.TR
Stochastic Price Dynamics in Response to Order Flow Imbalance: Evidence from CSI 300 Index Futures
本文针对沪深300股指期货,提出以奥恩斯坦-乌伦贝克过程建模订单流不平衡冲击的价格模型,发现指标交互的时域异质性与制度依赖动态,并提供指标筛选与评估范式。
2025-05-23 q-fin.CP q-fin.MF q-fin.TR
The Importance of Low Latency to Order Book Imbalance Trading Strategies
人们普遍认为,对交易所的低延迟访问是许多高频交易策略盈利的关键因素。某些金融公司为与交易所服务器合用同一地点而进行的“军备竞赛”证明了这一信念。据我们所知,我们的研究是第一个验证和量化这一假设在一个连续的双重拍卖市场与一个单一的交易所类似于纽约证券交易所。在没有报告贸易商身份和地点的历史数据的情况下进行这种探索是不可行的。因此,我们调查的延迟访问订单簿信息和盈利能力的交易策略利用该信息与基于代理的交互式离散事件模拟,成千上万的代理追求原型交易策略之间的关系。我们介绍了实验交易者追求低延迟订单簿不平衡(OBI)策略,在数千个模拟交易日的控制方式,并分析OBI交易者的利润,而不同的距离(延迟)从交易所。我们的实验支持延迟与OBI交易员的利润呈负相关,但更有趣的是,延迟排名,而不是绝对幅度,是追求类似策略的代理之间分配回报的关键因素。
2020-06-15 q-fin.TR
Universal scaling and nonlinearity of aggregate price impact in financial markets
股票价格如何以及为何变动是一个存在了几个世纪的问题,至今仍没有定论。最近,注意力转移到更高的频率,在那里交易是在不同的时间尺度上分段处理的。在这里,我们发现,价格影响有一个普遍的非线性形状的交易汇总在任何日内规模。它的形状在不同的仪器上变化不大,但对于订单量和符号影响,得到了截然不同的主曲线。标度很大程度上由相关的赫斯特指数决定。我们进一步表明,极端的订单流不平衡是不相关的大回报。相反,当价格被“固定”在一个特定的水平时,它被观察到。只有当本地订单流中有足够的余额时,价格才会变动。事实上,交易改变中间价的概率随着(绝对)订单符号偏差的增加而下降到零,这是一条弧形曲线。我们的研究结果挑战了线性总体影响的普遍假设。它们意味着,所有日内时间尺度上的市场动态都是由流动性供给和获取的相关性和双边适应性所塑造的。
2017-08-09 q-fin.TR
The Subtle Interplay between Square-root Impact, Order Imbalance & Volatility: A Unifying Framework
École polytechnique(巴黎综合理工学院);LadHyX UMR CNRS 7646(拉迪克斯法国国家科学研究中心联合研究实验室);Chair of Econophysics and Complex Systems, École polytechnique(巴黎综合理工学院经济物理学与复杂系统讲席);BNP Paribas Global Markets(法国巴黎银行全球市场部门);Capital Fund Management(资本基金管理公司);Académie des Sciences, Paris(巴黎科学院)
本文提出一个统一框架,解释元订单对价格的影响机制,揭示平方根影响、顺序不平衡与波动之间的关系,并支持订单驱动理论而非基本面理论。
2026-03-04 q-fin.ST q-fin.TR
Heavy tailed distributions in closing auctions
我们研究了流动性欧洲股票样本的收盘拍卖收益率分布的尾部。我们使用Derksen等人(2020 a)的随机呼叫拍卖模型,推导出限价订单配置分布的尾部指数与最终收盘拍卖收益分布的尾部指数之间的关系,并实证验证了这一关系。与直觉相反,收盘价的大幅波动通常不是由大的市价订单引起的,相反,当市价订单被移除时,尾部变得更重。该模型解释了这一点的观察,限价订单提交,以对付现有的市价订单的不平衡。
2020-12-18 q-fin.ST q-fin.TR
Optimal Execution with Passive Market Impact
HSBC(汇丰银行);Department of Mathematics, Imperial College London(帝国理工学院数学系)
该研究构建含被动市场冲击的最优执行介观模型,通过经验可观测指标推导被动冲击率,求解最优清算问题并校准,还分析了模型扩展情况。
2026-07-31 q-fin.TR
Liquidity Dynamics in RFQ Markets and Impact on Pricing
本文针对场外RFQ市场流动性不足下的证券估值问题,拓展微观价格概念并引入公允转让价格,采用二维马尔可夫调制泊松过程刻画流动性失衡,实现了流动性不足或单边市场下的公允估值。
2024-06-19 q-fin.ST q-fin.TR
Adaptive trading strategies across liquidity pools
在本文中,我们提供了一个灵活的框架,用于在不同场所上市的资产的最佳交易。我们考虑了交易场所的不平衡和分散之间的依赖关系,并允许在不同的限制下部分执行限价订单以及市价订单。我们提出了一个贝叶斯更新的模型参数,考虑到可能不断变化的市场条件,并提出扩展,包括短/长的交易信号,市场冲击或隐藏的流动性。为了解决交易者的随机控制问题,我们应用了有限差分法,并开发了一种深度强化学习算法,允许考虑更复杂的设置。
2020-08-18 q-fin.MF q-fin.TR
Reinforcement Learning for Trade Execution with Market and Limit Orders
ETH Zurich(苏黎世联邦理工学院)
本文提出了一种基于强化学习的交易执行框架,通过动态分配市场和限价订单以最大化收益,并在模拟环境中验证了其优于传统策略的效果。
2026-01-26 q-fin.CP q-fin.ST q-fin.TR
Statistical properties of market collective responses
我们实证分析了价格和流动性对交易信号、交易量和签约交易量的反应。利用奇异值分解,我们探讨了整个市场的价格反应和流动性反应的相互联系。它们的奇异向量的统计特征可以用$t$位置-尺度分布来描述。此外,我们讨论了价格和流动性之间的关系,就其重叠的因素。当价格和流动性变化的因素与交易量相关时,这些因素是非随机的。这意味着交易量在流动性变化引起的价格变化中起着关键作用。相反,两类因素在与交易标志和签约交易量相关时具有弱重叠性。因此,流动性失衡与价格变化有关。
2017-11-21 q-fin.ST q-fin.TR
On Detecting Spoofing Strategies in High Frequency Trading
欺骗是一种非法行为,人为地修改供应,以暂时将价格推向给定的方向,以获取利润。在实践中,由于现代电子平台的复杂性和订单传递的高频率,检测这种行为具有挑战性。我们提出了一个简单的静态设置欺骗的微观结构研究。一个多层次的不平衡,影响所产生的价格运动的介绍后,我们描述了一个潜在的spoeconomy的优化策略。我们提供的条件下,市场更有可能承认欺骗行为作为一个功能的市场特征。我们描述了优化后的最佳欺骗策略,这使我们能够量化欺骗后对不平衡的影响。基于这些结果,我们校准模型,从TMX的真实2级数据集,并提供了一些监测程序的基础上Wasserstein距离检测欺骗策略在实时。
2020-12-10 q-fin.MF q-fin.TR
Do fundamentals shape the price response? A critical assessment of linear impact models
我们比较了静态凯尔模型的预测,一个微观的多步线性价格影响模型,其中市场价格预测基本面通过编码在订单流的信息,与传播模型,一个纯粹的数据驱动的模型,其中贸易机械影响价格与时间衰减的内核。我们发现,值得注意的是,这两个模型预测完全相同的价格动态在高频率,由于在小时间尺度的普遍性的出现。另一方面,我们发现这些模型在影响函数的整体强度上存在分歧,我们能够将其与市场中的过度波动量联系起来。我们揭示了一个交叉之间的高频制度,其中市场的反应次线性的签署订单流,一个低频制度,其中价格线性响应订单流的不平衡。总体而言,我们调和的结果,从文献上的市场微观结构(次线性的价格对交易量的反应)与宏观经济相关的时间尺度(其中通常假设线性关系)。
2021-12-08 cond-mat.stat-mech q-fin.TR
Order flow dynamics around extreme price changes on an emerging stock market
本文利用深圳证券交易所的超高频数据,研究了日内价格大幅变动时订单流的动态变化。我们发现一个显着的价格逆转,无论是在日内价格下跌和上涨的永久价格影响。波动率、不同类型订单的成交量、买卖价差和成交量不平衡度在极端事件发生前呈上升趋势,并按幂律缓慢衰减,形成一个确定的峰值。正事件前后,买入市价订单的成交量增长较快,峰值出现时间早于卖出市价订单,而负事件前后,卖出市价订单的成交量峰值在幅度和时间上领先于买入市价订单。将订单按其攻击性分为四组,发现订单数量和订单数量的行为相似,除了买入限价订单和取消订单的订单数量峰值在订单数量峰值之后推迟2分钟,这意味着大订单的投资者更知情,在价格大幅波动中起着核心作用。我们还研究了不同类型订单的相对利率,并发现买入订单和卖出订单之间以及个人投资者和机构投资者之间的相对利率动态差异。有证据表明,机构的行为与个人的行为非常不同,它们有更积极的策略。结合这些发现,我们得出结论,机构投资者更知情,并发挥更有影响力的作用,在推动大的价格波动。
2010-02-28 q-fin.ST q-fin.TR
Hybrid Vector Auto Regression and Neural Network Model for Order Flow Imbalance Prediction in High Frequency Trading
本文提出结合向量自回归与前馈神经网络的混合模型预测高频交易中的订单流不平衡,通过分离线性与非线性模式并分析买卖压力,在合成与真实数据上均取得优于单一模型的预测精度。
2024-11-13 q-fin.CP q-fin.ST q-fin.TR