[论文解读] Optimal Order Execution in Intraday Markets: Minimizing Costs in Trade Trajectories

Christopher Kath, Florian Ziel|arXiv (Cornell University)|Sep 16, 2020

Electric Power System Optimization被引用 9

一句话总结

本文提出了一种数据驱动的优化模型，旨在德国连续每小时的日内电力市场中最小化执行成本，通过动态分配各时间区间内的交易量，同时考虑订单簿深度、交割时间以及XBID交易制度。与基准方法相比，该模型将中位数买卖价差成本降低了10–15欧分/兆瓦时，执行价格成本降低了15–20欧分/兆瓦时，显著降低了市场参与者的资金成本。

ABSTRACT

Optimal execution, i.e., the determination of the most cost-effective way to trade volumes in continuous trading sessions, has been a topic of interest in the equity trading world for years. Electricity intraday trading slowly follows this trend but is far from being well-researched. The underlying problem is a very complex one. Energy traders, producers, and electricity wholesale companies receive various position updates from customer businesses, renewable energy production, or plant outages and need to trade these positions in intraday markets. They have a variety of options when it comes to position sizing or timing. Is it better to trade all amounts at once? Should they split orders into smaller pieces? Taking the German continuous hourly intraday market as an example, this paper derives an appropriate model for electricity trading. We present our results from an out-of-sample study and differentiate between simple benchmark models and our more refined optimization approach that takes into account order book depth, time to delivery, and different trading regimes like XBID (Cross-Border Intraday Project) trading. Our paper is highly relevant as it contributes further insight into the academic discussion of algorithmic execution in continuous intraday markets and serves as an orientation for practitioners. Our initial results suggest that optimal execution strategies have a considerable monetary impact.

研究动机与目标

• 为解决德国日内电力交易中缺乏通用且市场特定的最优执行策略的问题，特别是针对非可再生能源头寸更新的情况。
• 基于高频（60秒）订单簿数据，建立最优交易轨迹模型，以最小化市场冲击和买卖价差。
• 评估先进优化方法相较于简单基准方法（如即时执行或按成交量加权平均）的性能表现。
• 揭示在日内交易研究中使用成交量加权平均价格作为绩效指标可能存在的局限性。
• 将最优执行定位为成熟日内电力市场中一个关键但尚未充分探索的价值驱动因素。

提出的方法

• 作者开发了一种随机优化框架，基于实时订单簿数据，将固定交易量动态分配至交割前的离散时间区间。
• 该模型将交割时间效应、订单簿深度（买卖价差）以及XBID市场耦合作为影响执行成本的关键决定因素。
• 采用广义可加模型（GAM）基于60秒的日内高频数据估计市场冲击函数，以捕捉非线性价格影响。
• 优化问题被求解以最小化总执行成本，包括市场冲击成本和买卖价差暴露。
• 在2019年数据上进行了样本外回测，将优化策略与基准策略（如即时执行和时间及成交量加权平均执行）进行对比。
• 在不同交易量和交易阶段下对模型进行了测试，特别关注交易后期市场冲击呈现非线性特征的情况。

实验结果

研究问题

• RQ1 在德国日内电力市场中，优化的动态交易轨迹相较于简单执行基准方法，在最小化执行成本方面表现如何？
• RQ2 订单簿深度、交割时间以及XBID市场耦合在多大程度上影响最优执行的表现？
• RQ3 为何在日内交易研究中使用成交量加权平均价格作为绩效指标可能产生误导？
• RQ4 基于实证数据推导出的市场冲击函数如何影响最优执行算法的性能？
• RQ5 当前优化模型在交易后期执行大额订单时存在哪些局限性？

主要发现

• 与基准策略相比，优化执行策略将中位数买卖价差成本降低了10–15欧分/兆瓦时。
• 该模型在执行价格成本方面实现了额外15–20欧分/兆瓦时的降低，主要得益于更优的时机选择和订单簿利用效率。
• 通过订单簿单次点击即时执行可能导致成本超过每兆瓦时100欧元，尤其在大额交易时，表明该方法极不理想。
• 即使是最简单的策略（如将交易量平均分配至各时间区间）也表现出色，凸显了避免使用简单执行方法的重要性。
• 该模型在后期交易阶段（如交割前90分钟）对大额交易的成本估计偏低，因为此时指数级市场冲击效应未被充分捕捉。
• 本研究表明，依赖成交量加权平均价格作为绩效指标可能具有误导性，因为实际执行成本因市场冲击和买卖价差的影响，与该指标的偏差可达约1欧元/兆瓦时。