[論文レビュー] Endogeneous Dynamics of Intraday Liquidity

Mikołaj Bińkowski, Charles‐Albert Lehalle|arXiv (Cornell University)|Nov 9, 2018

Complex Systems and Time Series Analysis被引用数 2

ひとこと要約

本稿は、米国、英国、日本、香港の300銘柄を対象に5分間隔のデータを用いて、株式市場における内生的イントラデイ流動性ダイナミクスを調査する。移動平均（AR）および多次元自己回帰（VAR）モデルを、取引量、 bid-ask スプレッド、ボラティリティ、初回オーダーブックサイズといった定常化された流動性変数に適用し、30分から2時間以上にわたる「記憶効果」を示す顕著な自己相関が確認された。主な様式的特徴として、「流動性効果」、「ティックサイズ効果」、および「国別駆動効果」が予測性能に影響することを明らかにした。

ABSTRACT

In this paper we investigate the endogenous information contained in four liquidity variables at a five minutes time scale on equity markets around the world: the traded volume, the bid-ask spread, the volatility and the volume at first limits of the orderbook. In the spirit of Granger causality, we measure the level of information by the level of accuracy of linear autoregressive models. This empirical study is carried out on a dataset of more than 300 stocks from four different markets (US, UK, Japan and Hong Kong) from a period of over five years. We discuss the obtained performances of autoregressive (AR) models on stationarized versions of the variables, focusing on explaining the observed differences between stocks. Since empirical studies are often conducted at this time scale, we believe it is of paramount importance to document endogenous dynamics in a simple framework with no addition of supplemental information. Our study can hence be used as a benchmark to identify exogenous effects. On the other hand, most optimal trading frameworks (like the celebrated Almgren and Chriss one), focus on computing an optimal trading speed at a frequency close to the one we consider. Such frameworks very often take i.i.d. assumptions on liquidity variables; this paper document the auto-correlations emerging from real data, opening the door to new developments in optimal trading.

研究の動機と目的

• 外部情報に依存しない、5分間隔のイントラデイ流動性ダイナミクスのベンチマークを確立すること。
• 取引量、bid-ask スプレッド、ボラティリティ、初回オーダーブックサイズの4つの主要な流動性変数の過去値が、複数のグローバル市場においてどれほど予測力を持つのかを定量化すること。
• 最適取引フレームワークで一般的に仮定される独立同分布（i.i.d.）の仮定を、実市場データにおける継続的な自己相関を記録することで疑問視すること。
• 最適取引および取引コスト分析（TCA）モデルに内生的ダイナミクスを組み込むための実証的証拠を提供すること。

提案手法

• 本研究は、5年間にわたる米国、英国、日本、香港の300銘柄以上のデータセットを用い、5分間隔でサンプリングされたものである。
• 流動性変数は対数定常化により変換され、イントラデイの季節的要因を除去することで、ARおよびVARモデルの信頼性を高めた。
• 出外サンプルR²を主な評価指標とし、妥当性を確保するため10分割交差検証を実施した。
• グレインジャー因果性χ²検定を用いて、ある変数の過去値が他の変数の予測に寄与するかを評価し、相関関係を特定した。
• VARモデルと単変量ARモデルを比較することで、多次元的ダイナミクスの追加的価値を評価した。
• 本分析では、「記憶効果」（予測のためのラグ長）、「情報内容」（R²の向上）、および「因果構造」（影響の方向）を区別した。

実験結果

リサーチクエスチョン

• RQ1 5分間隔の流動性変数の過去に、どの程度の予測情報が含まれており、その内容は銘柄や市場によってどのように異なるのか？
• RQ2 内生的イントラデイ流動性ダイナミクスを支配する主な様式的特徴とは何か。特に、自己相関と変数間の依存関係に注目する。
• RQ3 ティック単位のbid-ask スプレッドが、流動性変数の予測可能性に与える影響はどの程度で、これはグローバルな市場で一貫しているのか？
• RQ4 時価総額が、ARモデルにおける記憶長および予測精度にどのように影響を与えるのか？
• RQ5 銘柄の地理的出処（米国、英国、日本、香港）が、その流動性ダイナミクスの予測可能性に顕著な影響を与えるのか。その理由は何か？

主な発見

• ARモデルによるボラティリティ予測において、米国市場の出外サンプルR²は約0.5と高く、アジア市場の約0.25を大きく上回り、予測性能に国別駆動効果が存在することが示された。
• 「流動性効果」が観察された：時価総額が大きい銘柄では、大多数の流動性変数においてARモデルの記憶長が短く、より予測可能なダイナミクスを示した。
• 「ティックサイズ効果」が確認された：bid-ask スプレッドがティック単位で小さいほど、オーダーブックサイズの予測性は向上するが、スプレッド自体の予測性は低下する。これはティックサイズと予測性の間の構造的関係を示している。
• 「記憶効果」は30分から2時間以上にわたるが、銘柄や変数によって最適なラグが異なり、特に米国市場で最高の情報内容が得られた。
• VARモデルは一貫して単変量ARモデルを上回り、特にbid-ask スプレッドおよび取引量の予測において顕著な優位性を示した。英国市場では、取引量とオーダーブックサイズの間で相互因果関係が認められた。
• ボラティリティは特異な挙動を示した：他の変数による予測は不十分であり、銘柄間で予測性のばらつきが少なく、これはマクロ的・外部要因に起因する情報が反映されている可能性を示唆している。