[論文レビュー] A Theory for Market Impact: How Order Flow Affects Stock Price

Austin Gerig|ArXiv.org|Apr 24, 2008

Complex Systems and Time Series Analysis参考文献 4被引用数 23

ひとこと要約

本稿は、注文フロー自己相関と非対称流動性反応に基づく市場インパクトの機械的モデルを提案し、注文サイズに対する市場インパクトの対数スケーリングを導出する。価格が隠れた注文フローへの反応としてモデル化されることで、3つの普遍的リターン特性—相関のないリターン、パワーロー尾、クラスタリングされたボラティリティ—を説明し、ロンドン証券取引所のデータを用いて実証的に検証する。

ABSTRACT

It is known that the impact of transactions on stock price (market impact) is a concave function of the size of the order, but there exists little quantitative theory that suggests why this is so. I develop a quantitative theory for the market impact of hidden orders (orders that reflect the true intention of buying and selling) that matches the empirically measured result and that reproduces some of the non-trivial and universal properties of stock returns (returns are percent changes in stock price). The theory is based on a simple premise, that the stock market can be modeled in a mechanical way - as a device that translates order flow into an uncorrelated price stream. Given that order flow is highly autocorrelated, this premise requires that market impact (1) depends on past order flow and (2) is asymmetric for buying and selling. I derive the specific form for the dependence in (1) by assuming that current liquidity responds to information about all currently active hidden orders (liquidity is a measure of the price response to a transaction of a given size). This produces an equation that suggests market impact should scale logarithmically with total order size. Using data from the London Stock Exchange I empirically measure market impact and show that the result matches the theory. Also using empirical data, I qualitatively specify the asymmetry of (2). Putting all results together, I form a model for market impact that reproduces three universal properties of stock returns - that returns are uncorrelated, that returns are distributed with a power law tail, and that the magnitude of returns is highly autocorrelated (also known as clustered volatility).

研究の動機と目的

• 市場インパクトが注文サイズに対して線形または平方根モデルとは対照的に対数的にスケーリングする理由を定量的に説明する理論の構築。
• 株式リターンが相関のない状態にあり、パワーロー尾を示し、ボラティリティがクラスタリングするという経験的事実を、1つの機械的枠組みで説明すること。
• 過去の注文フローと非対称流動性反応に依存する市場インパクトの関数としてモデル化し、流動性が隠れた注文に関する情報に反応することを根拠とする。
• ロンドン証券取引所の高頻度データを用いて理論的予測を実証的に検証し、特に隠れた注文フローと価格インパクトの両方を対象とする。
• 市場効率性（リターン自己相関の欠如）とボラティリティクラスタリングの間にある表面的矛盾を、非線形かつ記憶依存的な価格応答メカニズムによって解消すること。

提案手法

• 流動性がすべてのアクティブな隠れた注文に関する情報に反応すると仮定し、注文フローを非相関的価格変動に変換する機械的システムとして株式市場をモデル化する。
• 過去の注文フローの累積的効果に基づく価格インパクト関数を導出する。流動性が隠れた注文の総サイズ（Ω）に依存すると仮定することで、注文サイズに対するインパクトの対数スケーリングが導かれる。
• 注文フローの符号と隠れた注文の分布に基づいて、買いと売りで異なる価格インパクトを許容する非対称流動性反応を組み込む。
• 1次元のリターンマップモデルを用いて価格インパクトのダイナミクスをシミュレートし、特定の条件下で系がカオス的挙動を示し、パワーロー分布のリターンが得られることを示す。
• ロンドン証券取引所の高頻度データを用いて、市場インパクトの対数スケーリングと買い・売り圧力に対する非対称応答を経験的にテストする。
• 理論的予測が、3つの主要な経験的事実—相関のないリターン、リターン分布のパワーロー尾、自己相関のあるボラティリティの大きさ—を再現できることを検証する。

実験結果

リサーチクエスチョン

• RQ1 なぜ市場インパクトが線形的または二次的ではなく、注文サイズに対して対数的にスケーリングするのか？
• RQ2 注文フローと流動性反応の機械的モデルが、3つの普遍的リターン特性（相関のないリターン、パワーロー尾、クラスタリングされたボラティリティ）をどのように再現できるのか？
• RQ3 注文フローの自己相関が、持続的な価格インパクトとボラティリティクラスタリングを生成する上で果たす役割は何か？
• RQ4 非対称流動性反応（買いと売りで異なるインパクト）が観察されたリターンダイナミクスにどのように寄与するのか？
• RQ5 隠れた注文フローとアクティブな注文に関する情報に基づくモデルが、市場インパクトの凸型形状とリターンの統計的性質の両方を説明できるか？

主な発見

• 理論は、市場インパクトが注文総サイズに対して対数的にスケーリングすることを予測しており、ロンドン証券取引所の経験的データによって裏付けられている。
• 経験的分析により、流動性が買い注文と売り注文に対して非対称に反応することが判明し、純売り圧力に対してより強い価格インパクトが生じる傾向があり、モデルの非対称性仮定を支持する。
• モデルは、市場効率性と整合的であることが確認された経験的事実、すなわち取引レベルでのリターンが相関を持たないことを成功裏に再現した。
• モデルは、パワーロー尾を持つリターン分布を生成し、株式AZNの1取引リターンにおける経験的尾指数（約 -2.9）と一致した。
• モデルはボラティリティクラスタリングを再現し、1取引リターンのリターンの大きさが指数 -0.34 のパワーロー自己相関を示した。
• 隠れた注文のインパクトが時間経過とともに減衰するのではなく、持続的であることが判明し、隠れた注文に関する情報の蓄積が市場インパクトに長期記憶をもたらすという仮説を支持した。