[论文解读] High-frequency financial market simulation and flash crash scenarios analysis: an agent-based modelling approach

Kang Gao, Perukrishnen Vytelingum+3 more|arXiv (Cornell University)|Aug 29, 2022

Complex Systems and Time Series Analysis被引用 5

一句话总结

本文提出了一种高频基于代理的金融市场监管模拟器，通过中心限价订单簿和异质交易者行为，复现了E-迷你标普500期货市场中的毫秒级价格动态。该模型成功再现了市场中的典型事实，并以现实动态模拟了2010年闪电崩盘，揭示了崩盘幅度与卖出算法的交易量占比及做市商库存限制之间存在非单调关系，而基本面交易者频率的提升则减轻了崩盘严重程度。

ABSTRACT

This paper describes simulations and analysis of flash crash scenarios in an agent-based modelling framework. We design, implement, and assess a novel high-frequency agent-based financial market simulator that generates realistic millisecond-level financial price time series for the E-Mini S&P 500 futures market. Specifically, a microstructure model of a single security traded on a central limit order book is provided, where different types of traders follow different behavioural rules. The model is calibrated using the machine learning surrogate modelling approach. Statistical test and moment coverage ratio results show that the model has excellent capability of reproducing realistic stylised facts in financial markets. By introducing an institutional trader that mimics the real-world Sell Algorithm on May 6th, 2010, the proposed high-frequency agent-based financial market simulator is used to simulate the Flash Crash that took place that day. We scrutinise the market dynamics during the simulated flash crash and show that the simulated dynamics are consistent with what happened in historical flash crash scenarios. With the help of Monte Carlo simulations, we discover functional relationships between the amplitude of the simulated 2010 Flash Crash and three conditions: the percentage of volume of the Sell Algorithm, the market maker inventory limit, and the trading frequency of fundamental traders. Similar analyses are carried out for mini flash crash events. An innovative "Spiking Trader" is introduced to the model, aiming at precipitating mini flash crash events. We analyse the market dynamics during the course of a typical simulated mini flash crash event and study the conditions affecting its characteristics. The proposed model can be used for testing resiliency and robustness of trading algorithms and providing advice for policymakers.

研究动机与目标

• 开发一种能够为E-迷你标普500期货市场生成毫秒级价格时间序列的高保真高频基于代理金融市场模拟器。
• 利用机器学习代理建模对模型进行校准，以再现金融市场的关键典型事实。
• 通过引入模仿真实世界Sell Algorithm 1的机构交易者，模拟2010年闪电崩盘，并将模拟动态与历史事件进行验证。
• 分析闪电崩盘幅度与关键市场条件之间的功能关系：卖出算法的交易量占比、做市商库存限制以及基本面交易者交易频率。
• 引入一种新型的“脉冲交易者”代理，以模拟小型闪电崩盘事件，并研究其动态特性及对市场参数的敏感性。

提出的方法

• 模型为单一证券实现中心限价订单簿微观结构，以100毫秒为间隔实时匹配订单。
• 交易者被建模为不同类型的代理——做市商、高频交易者、基本面交易者和机构交易者，每类均遵循预设的行为规则。
• 利用机器学习代理建模对模型进行校准，以匹配真实高频数据的统计特性，通过矩覆盖比率和统计检验进行验证。
• 通过注入行为与SEC和CFTC报告中记录的真实世界Sell Algorithm 1一致的机构交易者，模拟2010年闪电崩盘。
• 采用蒙特卡洛模拟方法，探索崩盘幅度与三个关键参数之间的功能关系：卖出算法的交易量占比、做市商库存限制和基本面交易者频率。
• 引入一种新型的“脉冲交易者”代理，以诱发小型闪电崩盘事件，从而实现对其动态特性及对市场条件敏感性的分析。

实验结果

研究问题

• RQ1 所提出的基于代理的模型在多大程度上能够再现高频金融市场的典型事实，如波动率聚集和厚尾现象？
• RQ2 模拟的2010年闪电崩盘在多大程度上复现了实际历史事件中观察到的市场动态？
• RQ3 模拟的2010年闪电崩盘幅度与卖出算法所占交易量比例之间存在何种函数关系？
• RQ4 做市商的库存限制和基本面交易者订单频率如何影响大型及小型闪电崩盘事件的幅度与频率？
• RQ5 何种条件会触发并塑造小型闪电崩盘事件的特征？引入“脉冲交易者”代理如何影响这些动态？

主要发现

• 模型成功再现了金融市场的关键典型事实，经统计检验和矩覆盖比率分析验证。
• 模拟的2010年闪电崩盘展现出与历史观察一致的市场动态，验证了模型的真实性。
• 崩盘幅度与卖出算法交易量占比之间的关系呈非单调性，表明市场存在复杂的反馈效应。
• 崩盘幅度与做市商库存限制之间的关系同样呈非单调性，中间水平的限制导致最大幅度的崩盘。
• 基本面交易者更高的交易频率与更小的崩盘幅度相关，表明其在市场压力事件中具有稳定作用。
• 做市商的库存限制显著影响小型闪电崩盘事件的频率与幅度，而基本面交易者频率在实验中未表现出显著影响。