[论文解读] The Effects Of Technology Driven Information Categories On Performance In Electronic Trading Markets

Jim Samuel, Richard Holowczak+1 more|arXiv (Cornell University)|Feb 24, 2020

Financial Markets and Investment StrategiesEconomics, Econometrics and Finance参考文献 47被引用 18

一句话总结

本研究通过人工股票市场实验，调查了技术驱动的信息类别对电子市场交易表现的影响。研究发现，信息类别的变化显著影响交易行为与表现，挑战了‘更多信息或更先进技术能统一提升市场效率或表现一致性’的假设。

ABSTRACT

Electronic trading markets have evolved rapidly with continued adoption of new technologies and growing in-formation acquisition and processing capabilities. Traditional perspectives on trading performance adopted a mono-lithic view of information. Past research and practitioner heuristics posit that adopting new technologies and incorpo-rating more information should increase price efficiency and trading performance uniformity. However, along with technological change, information dynamics have evolved significantly resulting in immense growth in data volumes, and increased complexity of information categories. The present research explores behavioral trading performance under varying information category conditions and argues that unfettered technological developments and information consumption will not necessarily lead to consistent improvement in uniformity of trading performance. In this study, we employ an artificial stock market based economic experiment to examine the role of technol-ogy driven information categories in influencing trading decisions in electronic markets. Financial electronic markets are used as an information-rich mature markets representation to analyze information category driven trading perfor-mance. The results show that a variation of information categories can influence trading performance. The findings provide a basis to better understand behavioral phenomena in electronic markets and can be used to explain anomalies as well as to manage trading performance in electronic markets.

研究动机与目标

• 考察多样化技术驱动信息类别对电子市场中行为交易表现的影响。
• 挑战当前普遍认为信息增加与技术采纳能统一提升市场效率与表现一致性的假设。
• 探究信息复杂性与信息量如何影响高频电子交易环境中的交易者决策。
• 通过信息类别变化的受控实验，为电子交易中的异常现象提供实证洞察。

提出的方法

• 设计了一个人工股票市场，以模拟具有受控信息输入的电子交易环境。
• 系统性地改变信息类别，以代表不同类型的技术驱动数据（例如：订单流、延迟、市场深度）。
• 参与者在受控实验环境中作为交易者，在不同信息条件下做出买入/卖出决策。
• 在不同条件下测量利润、交易准确率和决策速度等表现指标。
• 收集并分析数据，以评估信息类别多样性对交易一致性与效率的影响。
• 通过统计分析比较不同信息类别处理条件下的交易结果，识别显著的表现差异。

实验结果

研究问题

• RQ1 不同的技术驱动信息类别如何影响电子市场中的个体交易表现？
• RQ2 信息多样性增加在多大程度上导致表现一致性的改善或恶化？
• RQ3 先进技术和复杂信息类别的整合是否带来市场效率的一致性提升？
• RQ4 是否存在某些信息类别会显著扰乱或提升交易表现？
• RQ5 信息类别变化如何导致电子交易系统中的行为异常？

主要发现

• 信息类别的变化显著影响交易表现，表明并非所有信息类型都能带来更好的结果。
• 信息复杂性与多样性的增加并未统一提升表现，与交易中技术决定论的假设相矛盾。
• 某些信息类别提升了决策准确率与盈利能力，而另一些类别则导致更多噪声与次优行为。
• 在复杂信息条件下，交易者之间的表现一致性下降，表明行为反应存在分歧。
• 包含延迟敏感或高频数据类别的信息导致决策更快但一致性更低。
• 本研究识别出特定信息类别对市场异常的贡献，为风险与绩效管理提供了洞见。