[논문 리뷰] Reconstruction of Order Flows using Aggregated Data

Ioane Muni Toke|RePEc: Research Papers in Economics|2016. 04. 10.

Complex Systems and Time Series Analysis인용 수 7

한 줄 요약

이 논문은 집계된 틱 단위 거래 및 호가 데이터에서 고주파 순서 흐름을 재구성하기 위한 동기화 알고리즘을 제안하며, 기본 매칭 방식에 비해 정확도를 크게 향상시킨다. 재구성 방법의 선택이 모델 校정에 결정적인 영향을 미친다는 것을 입증하고, 순서 흐름 패턴의 정밀 분석을 통해 증권거래소 데이터 인프라의 숨겨진 기술적 변화를 드러낸다.

ABSTRACT

In this work we investigate tick-by-tick data provided by the TRTH database for several stocks on three different exchanges (Paris - Euronext, London and Frankfurt - Deutsche Börse) and on a 5-year span. We use a simple algorithm that helps the synchronization of the trades and quotes data sources, providing enhancements to the basic procedure that, depending on the time period and the exchange, are shown to be significant. We show that the analysis of the performance of this algorithm turns out to be a a forensic tool assessing the quality of the aggregated database: we are able to track through the data some significant technical changes that occurred on the studied exchanges. We also illustrate the fact that the choices made when reconstructing order flows have consequences on the quantitative models that are calibrated afterwards on such data. Our study also provides elements on the trade signature, and we are able to give a more refined look at the standard Lee-Ready procedure, giving new elements on the way optimal lags should be chosen when using this method. The findings are in line with both financial reasoning and the analysis of an illustrative Poisson model of the order flow.

연구 동기 및 목표

• 불완전하고 이종적인 거래 및 호가 데이터에서 세부적인 순서 흐름을 재구성하는 데 도전하는 것.
• 개선된 매칭 알고리즘을 사용해 거래 서명 및 순서 흐름 재구성의 정확도를 향상시키는 것.
• 데이터 재구성 방식의 선택이 하크스 과정과 같은 정량적 모델의 校정에 어떤 영향을 미치는지 평가하는 것.
• 재구성된 순서 흐름을 증거 분석 도구로 활용해 거래소 수준의 데이터 생산 시스템 기술적 변화를 탐지하는 것.
• 저수준 시장 데이터에 접근할 수 없는 연구자들에게 실용적이고 접근 가능한 방법을 제공하는 것.

제안 방법

• 각 거래 이전에 발생한 가장 가까운 호가 변경 사항과 타임스탬프를 정렬하여 거래를 호가 업데이트에 매칭하는 동기화 알고리즘을 개발한다.
• 유럽증권거래소 파리, 런던증권거래소, 독일증권거래소에서 5년간의 TRTH 데이터에 이 알고리즘을 적용하여 시장 주문, 지정가 주문, 취소의 정밀한 재구성을 가능하게 한다.
• 거래의 부호를 할당하기 위해 리-리디 프로시저를 적용하고, 재구성된 기준값과의 비교를 통해 최적의 지연 시간 선택을 평가한다.
• 간단한 포아송 모델과 하크스 과정 모델을 사용하여 재구성 방식이 내생성 비율과 군집 파라미터에 어떤 영향을 미치는지 설명한다.
• 원시 거래 데이터와 매칭된 데이터 양측에 대해 모델 校정을 수행하여 추정된 강도 파라미터의 차이를 정량화한다.
• 하크스 과정의 α/β 비율에 대한 시간적 변동성을 분석하여, 낮은 데이터 동기화로 인해 유도되는 체계적 편향을 탐지한다.

실험 결과

연구 질문

• RQ1 어떻게 하여 집계된 이종적인 거래 및 호가 데이터에서 최소한의 가정으로 순서 흐름을 재구성할 수 있는가?
• RQ2 매칭 절차의 선택이 하크스 과정과 같은 정량적 모델의 校정에 어떤 영향을 미치는가?
• RQ3 재구성된 순서 흐름의 증거 분석을 통해 거래소 데이터 생산 시스템의 기술적 변화를 탐지할 수 있는가?
• RQ4 리-리디 프로시저의 최적 지연 시간은 무엇이며, 이는 시간에 따라나 거래소 간으로 달라지는가?
• RQ5 동기화 오류는 순서 흐름 역학에서 내생성성과 군집성 추정에 어떤 영향을 미치는가?

주요 결과

• 제안된 매칭 알고리즘이 오래된 데이터(2008년)에 대해 특히 정확도를 크게 향상시키며, 최근 데이터(2013년)에도 효과를 유지한다.
• 원시 거래 데이터를 사용할 경우 하크스 과정의 α/β 비율이 15% 과대평가되는데, 이는 타임스탬프가 잘못 정렬되어 인위적인 군집 현상이 발생하기 때문이다.
• 리-리디 프로시저의 최적 지연 시간은 일정하지 않으며, 시간에 따라 변동하고 거래소별 데이터 품질과 타이밍 정밀도에 따라 달라진다.
• 거래소 데이터 생산 시스템의 기술적 변화—예를 들어 타임스탬프 해상도나 메시지 처리 방식의 변화—는 재구성된 순서 흐름에 감지 가능한 인상을 남긴다.
• 부적절한 매칭은 최상의 호가에서 '거래 이후 취소' 패턴과 같은 허위 패턴을 유도하며, 이로 인해 취소 강도 추정치가 과대평가된다.
• 이 연구는 심지어 집계되고 익명화된 데이터라도 금융 거래소의 핵심 인프라 변화를 드러낼 수 있음을 입증하며, 데이터 일관성이 연구의 핵심 고려 사항임을 강조한다.