إستراتيجية تداول التنفيذ الأمثل
الحصول على فيا أب ستور قراءة هذه المشاركة في التطبيق لدينا!
استراتيجية التنفيذ الأمثل.
يمكن لشخص ما تسليط الضوء على الطرق المثلى لتنفيذ أوامر متوسطة الحجم.
2000 سهم في السوق؟
للأسف ألغو التنفيذ لدي الوصول إلى هو غبية جدا. ويتبع أعلى من سعر الكتاب، وبالتالي أستطيع أن أرى أن ألغو أنا باستخدام هو الحصول على لعبت من قبل بعض ألغو المفترسة. على سبيل المثال، إذا كان انتشار هو 2 سنتات واسعة، أمر صغير (يقول 100 سهم) يأتي في تشديد انتشار إلى 1 في المائة ويتم إلغاؤها على الفور. وفي الوقت نفسه طلبي يتحرك سعره ليكون أعلى من الكتاب، ولكن بعد ذلك يجلس وحده بعد إلغاء. طلبي يحصل ضرب وسعر السوق يتحرك ضد لي.
أنا تحولت إلى استخدام تواب / فواب ألغو، ولكن أريد الحصول على فهم أفضل لتنفيذ النظام. ما هي القواعد التي يجب اتباعها لكي لا يتم اختيارها بشكل سلبي أو أن يكون مثلها؟
إذا كان هدف الغو الأصلي الخاص بك هو اتباع أعلى من اقتباس الكتاب، ثم كان ينبغي أن يكون بعض الحد الأدنى قبل أن تنضم إلى اقتباس جديد. على سبيل المثال، يجب أن يحتوي الاقتباس المرجعي على الحد الأدنى للحجم المعروض ويجب أن يكون متوفرا لمدة أقل من الوقت قبل الانضمام.
أيضا، فإنه يساعد على "كومة الكتاب" عن طريق كسر الاقتباس الخاص بك إلى أوامر أصغر بأسعار أسوأ. لذا بدلا من تقديم عرض بقيمة 2000 سهم بسعر 25 دولارا (أو ما يعادله بالعملة المحلية)، قدم عرض سعر واحد بقيمة 1000 سهم بسعر 25 دولارا أمريكيا (أو ما يعادله بالعملة المحلية) وعرض سعر آخر قدره 1000 سهم بسعر $ 24.99.
هناك أدبيات واسعة حول التنفيذ الأمثل، من بين أمور أخرى:
عمليا، سوف تحتاج إلى معرفة البنية المجهرية للسوق لاتخاذ قرار جيد على أساس كل سوق على حدة (على سبيل المثال بعض الأسواق تقبل الجبال الجليدية الأصلية، وغيرها لا؛ بعض الأسواق تقدم حمامات مظلمة أو أوامر مخفية تماما، وما إلى ذلك). أود أن أوصي قراءة السوق المجهرية: مواجهة العديد من وجهات النظر (سلسلة وايلي المالية، 2018)، أبيرجيل، بوشود، فوكو، ليهالي، روزنباوم، إدس.
أن يقال، تحتاج إلى اتخاذ سيارة من اثنين من الآثار لتصميم ألغو التداول:
السيطرة على المخاطر (لا تسير بسرعة كبيرة للتأثير على ديناميات النظام وتجنب الانتقاء السلبي، وليس الذهاب بطيئة جدا إلى أن تكون محمية ضد التحركات السلبية للسعر)، وذلك للاستخدام الحد الأقصى ودرجة المشاركة الحد الأدنى أو أي شيء فرص مماثلة: ننظر في النظام ، واستخدام التعلم الإحصائي، والنظر في الأسعار المرجعية (مثل التحركات مؤشر)، الخ.
مؤخرا كتاب "السوق المجهرية في الممارسة" (ليهال، لارويل والمساهمات من بورغوت، لاسنير وبيلين) يوفر تغطية الكثير من الجوانب العملية من التداول الأمثل.
إذا كنت تريد أن تكون أكثر عدوانية دون الكشف عن يدك، ضع أوامرك أوامر مخبأة داخل محاولة / نسأل. ألغوس على الجانب الآخر سوف الأسماك مع أوامر حجم صغير لمعرفة ما هو مخفي ومع ذلك. الصيد لن تكشف عن حجم طلبك، ولكن تكشف عن وجود شيء هناك. يمكن الحصول على بعض حجم القيام بهذه الطريقة.
المشورة أعلاه بشأن متى للانضمام إلى العطاء أو تسأل وكذلك التراص جيدة كذلك. قد ترغب في تطفو في بعض الانتشار مع غضب السعر الداخلي إذا كان يبدو أن هناك ما يكفي من الضوضاء للعبور في النظام بشكل دوري. هذا يفترض أن السوق يتداول جانبيا وكان لديك الوقت للوصول في.
إذا كنت مطاردة الزخم ثم تحتاج إلى عبور أو وضعه بشكل أكثر قوة. كونها ذكية مع كيفية عبور عندما العدوانية هو فن آخر.
استراتيجية التداول الأمثل والديناميات العرض / الطلب ☆
في هذه الورقة، ندرس كيف يؤثر العرض / الطلب في الفترة ما بين الزمن على الأمن على استراتيجية التداول. نحن نطور إطارا عاما لسوق الكتب من أجل الحد من ديناميات العرض / الطلب. وتبين لنا أن الاستراتيجية المثلى لتنفيذ الطلب لا تعتمد على الخصائص الثابتة للعرض / الطلب مثل انتشار العطاءات والأسعار، بل يعتمد على خصائصها الديناميكية مثل المرونة: السرعة التي يستعيدها العرض / الطلب إلى حالة مستقرة بعد التجارة. وبوجه عام، فإن الاستراتيجية المثلى معقدة جدا، حيث تختلط الصفقات الكبيرة والصغيرة، ويمكنها أن تخفض تكاليف التنفيذ بدرجة كبيرة. وتؤدي الصفقات الكبيرة إلى إزالة السيولة الحالية لجذب السيولة الجديدة، في حين تسمح الصفقات الصغيرة للمتداول بمواصلة استيعاب أي تدفق سيولة واردة.
تصنيف جيل.
اختر خيارا لتحديد موقع / الوصول إلى هذه المقالة:
تحقق مما إذا كان لديك حق الوصول من خلال بيانات اعتماد تسجيل الدخول أو مؤسستك.
تحقق من وجود هذه المقالة في مكان آخر.
ويشكر المؤلفون روبرت فرنستنبرغ وتييري فوكو وويليام غوتزمان وبروس ليمان وكريستين بارلور وإيوانيد روسو وديمتري فايانوس والحكم والمشاركين في اجتماعات عفا لعام 2006 واجتماعات التعليم للجميع لعام 2005 والحلقات الدراسية في معهد ماساتشوستس للتكنولوجيا ومورغان ستانلي وبورصة نيويورك تعليقات مفيدة.
إستراتيجية تداول التنفيذ الأمثل
الحصول على فيا أب ستور قراءة هذه المشاركة في التطبيق لدينا!
استراتيجية التنفيذ الأمثل.
يمكن لشخص ما تسليط الضوء على الطرق المثلى لتنفيذ أوامر متوسطة الحجم.
2000 سهم في السوق؟
للأسف ألغو التنفيذ لدي الوصول إلى هو غبية جدا. ويتبع أعلى من سعر الكتاب، وبالتالي أستطيع أن أرى أن ألغو أنا باستخدام هو الحصول على لعبت من قبل بعض ألغو المفترسة. على سبيل المثال، إذا كان انتشار هو 2 سنتات واسعة، أمر صغير (يقول 100 سهم) يأتي في تشديد انتشار إلى 1 في المائة ويتم إلغاؤها على الفور. وفي الوقت نفسه طلبي يتحرك سعره ليكون أعلى من الكتاب، ولكن بعد ذلك يجلس وحده بعد إلغاء. طلبي يحصل ضرب وسعر السوق يتحرك ضد لي.
أنا تحولت إلى استخدام تواب / فواب ألغو، ولكن أريد الحصول على فهم أفضل لتنفيذ النظام. ما هي القواعد التي يجب اتباعها لكي لا يتم اختيارها بشكل سلبي أو أن يكون مثلها؟
إذا كان هدف الغو الأصلي الخاص بك هو اتباع أعلى من اقتباس الكتاب، ثم كان ينبغي أن يكون بعض الحد الأدنى قبل أن تنضم إلى اقتباس جديد. على سبيل المثال، يجب أن يحتوي الاقتباس المرجعي على الحد الأدنى للحجم المعروض ويجب أن يكون متوفرا لمدة أقل من الوقت قبل الانضمام.
أيضا، فإنه يساعد على "كومة الكتاب" عن طريق كسر الاقتباس الخاص بك إلى أوامر أصغر بأسعار أسوأ. لذا بدلا من تقديم عرض بقيمة 2000 سهم بسعر 25 دولارا (أو ما يعادله بالعملة المحلية)، قدم عرض سعر واحد بقيمة 1000 سهم بسعر 25 دولارا أمريكيا (أو ما يعادله بالعملة المحلية) وعرض سعر آخر قدره 1000 سهم بسعر $ 24.99.
هناك أدبيات واسعة حول التنفيذ الأمثل، من بين أمور أخرى:
عمليا، سوف تحتاج إلى معرفة البنية المجهرية للسوق لاتخاذ قرار جيد على أساس كل سوق على حدة (على سبيل المثال بعض الأسواق تقبل الجبال الجليدية الأصلية، وغيرها لا؛ بعض الأسواق تقدم حمامات مظلمة أو أوامر مخفية تماما، وما إلى ذلك). أود أن أوصي قراءة السوق المجهرية: مواجهة العديد من وجهات النظر (سلسلة وايلي المالية، 2018)، أبيرجيل، بوشود، فوكو، ليهالي، روزنباوم، إدس.
أن يقال، تحتاج إلى اتخاذ سيارة من اثنين من الآثار لتصميم ألغو التداول:
السيطرة على المخاطر (لا تسير بسرعة كبيرة للتأثير على ديناميات النظام وتجنب الانتقاء السلبي، وليس الذهاب بطيئة جدا إلى أن تكون محمية ضد التحركات السلبية للسعر)، وذلك للاستخدام الحد الأقصى ودرجة المشاركة الحد الأدنى أو أي شيء فرص مماثلة: ننظر في النظام ، واستخدام التعلم الإحصائي، والنظر في الأسعار المرجعية (مثل التحركات مؤشر)، الخ.
مؤخرا كتاب "السوق المجهرية في الممارسة" (ليهال، لارويل والمساهمات من بورغوت، لاسنير وبيلين) يوفر تغطية الكثير من الجوانب العملية من التداول الأمثل.
إذا كنت تريد أن تكون أكثر عدوانية دون الكشف عن يدك، ضع أوامرك أوامر مخبأة داخل محاولة / نسأل. ألغوس على الجانب الآخر سوف الأسماك مع أوامر حجم صغير لمعرفة ما هو مخفي ومع ذلك. الصيد لن تكشف عن حجم طلبك، ولكن تكشف عن وجود شيء هناك. يمكن الحصول على بعض حجم القيام بهذه الطريقة.
المشورة أعلاه بشأن متى للانضمام إلى العطاء أو تسأل وكذلك التراص جيدة كذلك. قد ترغب في تطفو في بعض الانتشار مع غضب السعر الداخلي إذا كان يبدو أن هناك ما يكفي من الضوضاء للعبور في النظام بشكل دوري. هذا يفترض أن السوق يتداول جانبيا وكان لديك الوقت للوصول في.
إذا كنت مطاردة الزخم ثم تحتاج إلى عبور أو وضعه بشكل أكثر قوة. كونها ذكية مع كيفية عبور عندما العدوانية هو فن آخر.
تنفيذ فواب كاستراتيجية الأمثل.
نسخة طويلة من ورقة "تنفيذ فواب كاستراتيجية الأمثل" في رسائل جسيام، المجلد. 7 (2018)، p. 33-36.
13 الصفحات نشرت: 27 أغسطس 2017 آخر تعديل: 1 فبراير 2017.
تاكاشي كاتو.
رابطة مختبر التمويل الرياضي (أمفيل)
التاريخ مكتوب: 31 يناير 2017.
إن إستراتيجية تنفيذ متوسط السعر المرجح (فواب) معروفة جيدا وتستخدم على نطاق واسع في الممارسة العملية. في هذه الدراسة، ونحن بصراحة إدخال عملية حجم التداول في نموذج ألمغرين-كريس، وهو نموذج قياسي للتنفيذ الأمثل. ثم نبين أن استراتيجية فواب هي استراتيجية التنفيذ الأمثل للتاجر محايد المخاطر. وعلاوة على ذلك، فإننا ندرس حالة تاجر نزيه المخاطر واستخلاص التوسع من الدرجة الأولى مقارب للاستراتيجية المثلى لمشكلة الأمثل التباين المتوسط.
الكلمات الرئيسية: مشكلة التنفيذ المثلى، حجم التداول، متوسط السعر المرجح المتوسط (فواب)، تأثير السوق.
جيل التصنيف: C61، G11.
تاكاشي كاتو (جهة الاتصال)
رابطة مختبر التمويل الرياضي (أمفيل) (البريد الإلكتروني)
تشيودا، طوكيو 102-0083.
إحصاءات الورق.
المجلات الإلكترونية ذات الصلة.
أسواق رأس المال: كفاءة السوق إجورنال.
الاشتراك في هذه الجريدة رسوم لمزيد من المقالات المنسقة حول هذا الموضوع.
نماذج الاقتصاد القياسي: أسواق رأس المال - نظرية المحفظة إجورنال.
الاشتراك في هذه الجريدة رسوم لمزيد من المقالات المنسقة حول هذا الموضوع.
روابط سريعة.
حول.
يتم استخدام ملفات تعريف الارتباط بواسطة هذا الموقع. لرفض أو معرفة المزيد، انتقل إلى صفحة ملفات تعريف الارتباط. تمت معالجة هذه الصفحة بواسطة apollo6 في 0.094 ثانية.
تعلم الآلة يمكن أن تحل مشكلة التنفيذ الأمثل.
التعلم التعزيز يمكن استخدامها لتنفيذ التدفقات النظامية على النحو الأمثل.
البشر والنماذج عادة ليست جيدة في التعامل مع الكثير من المعلومات. وعندما يزداد عدد العوامل التي تنطوي عليها عملية اتخاذ القرارات، تصبح نمذجة عملية اتخاذ القرار ومختلف نتائجها غير عملية وتستغرق وقتا طويلا.
في السنوات الأخيرة، وقد داس التعلم الآلي في لحل هذه المشكلة.
مجال واحد في مجال التمويل التي جذبت باستمرار كمية كبيرة من البحوث من جانب الشراء هو تأثير السوق، أو تأثير أوامر كبيرة على سعر السوق.
إذا لم يتم تنفيذ التجارة دفعة واحدة، بسبب نقص السيولة بسعر السوق السائد، يتم تقسيمها إلى سلسلة من الصفقات الأصغر حجما. ولكن هذا يعرض التاجر لخطر تحرك السوق ضدهم في حين يتم تنفيذ تلك الصفقات.
وتتراوح الحلول من حد بسيط على الوقت الذي يستغرقه تنفيذ التجارة إلى حدود على السعر الذي يتم تنفيذ التجارة. عند اختراق أي من الحدين، تتوقف الشركة عن التداول - ولكن لا يلزم أن تؤدي هاتان الطريقتان دائما إلى التنفيذ الأمثل الذي يزيد من الثروات ويقلل من تكاليف التاجر. وتستخدم المؤسسات الأكثر تطورا البرمجة الديناميكية لتحديث خوارزمية التنفيذ لتعكس ظروف السوق المتغيرة. وهذا يعني الحاجة إلى استخدام التقنيات العددية المكثفة حسابيا للعثور على استراتيجية التداول الأمثل.
في جميع هذه الحالات، تنشأ القيود من حقيقة ديناميكيات مختلفة تحتاج إلى أن تكون على غرار. ولكن ماذا لو لم تكن هناك حاجة لنموذج؟
في هذا الشهر الأول من التقنية، تعلم الآلة للتداول، غوردون ريتر، مدير محفظة كبير في غسا كابيتال بارتنرز في نيويورك، يطبق تقنية تعلم الآلة تدعى تعزيز التعلم لمحاكاة تأثير السوق وإيجاد استراتيجية التداول الأمثل الذي يزيد من قيمة التجارة المعدلة لمخاطرها.
وتشمل تقنيات التعلم الآلي الشائعة تحليل العنقودية، والذي يستخدم لتحديد أوجه التشابه والنماذج التي يصعب رؤيتها في البيانات المعقدة. في تقنيات التعلم تحت الإشراف، والتي تشمل الانحدار البيزي والغابات العشوائية، يمكن للوكيل أن يتعلم من بيانات المثال والاستجابات المستهدفة المرتبطة بها.
ويتعلم الوكيل عن الاستراتيجية المثلى والتكلفة دون بناء نموذج بالفعل. في عملية التدريب، وكيل يحاول كل أنواع الأشياء ويحصل على مراقبة مكافأة وتصحيح خوارزمية له أساسا.
تقنية أخرى هي التعلم التعزيز، الذي يحاول تدريب الجهاز، من خلال عدد كبير من المحاكاة، لاختيار أفضل مسار للعمل في بيئة معينة، لذلك عندما تكون الآلة على استعداد للتجارة في الحياة الحقيقية، فإنه يعرف بالفعل ما هو الأمثل مسار العمل هو، استنادا إلى التدريب.
في هذه الورقة، ريتر ينطبق تعزيز التعلم إلى التداول من خلال إعطاء وكيل مهمة تعظيم الفائدة المتوقعة للتجارة - أي قيمة التجارة أقل من جميع التكاليف المرتبطة بها، وتعديلها لخطر التجارة. "انها تسمح لك لمعرفة الاستراتيجية المثلى بطريقة تدرك تماما من أي نوع من التكلفة، لذلك تأثير الخاصة بك على السعر هو مصدر كبير حقا من التكلفة لتجار الكمي. ولكن أنواع أخرى من التكاليف، مثل عرض العطاءات ينتشر، والعمولات، وتكاليف الاقتراض - كل تلك سوف تأخذ في الاعتبار في مكافأة "، ويقول ريتر.
إن ما يقيد دائما خوارزميات التنفيذ المثلى التقليدية هو عدد العوامل التي يمكن استخدامها في النماذج. وكلما زاد عدد هذا العدد، زادت صعوبة حل المشكلة. هذا غير موجود مع تعزيز التعلم، كما يتعلم الجهاز من قبل التجربة والخطأ المرتبطة كونها في دول مختلفة من العالم ومعرفة المسار الأمثل للتنفيذ من تلقاء نفسها. "الوكيل يتعلم عن الاستراتيجية المثلى والتكلفة دون بناء نموذج فعلا. في عملية التدريب، وكيل يحاول كل أنواع الأشياء ويحصل على مراقبة المكافأة وتصحيح أساسا خوارزميه "، ويقول ريتر.
يقول المؤلف أنه يمكن تشغيل ملايين السيناريوهات أثناء عملية التدريب في أقل من ثانية. التحذير الوحيد هو أن النهج في الورقة ينطبق على تداول الأصول الفردية، مثل مخزون واحد. وإذا كانت هناك أصول متعددة، فإن عملية التدريب ستكون أبطأ، ولكن بمجرد اكتمال التدريب، يمكن استخدام هذه التقنية في الوقت الحقيقي للتداول.
جني الفوائد.
وقد سارع الكثيرون إلى محاولة جني فوائد التعلم الآلي في نمذجة تأثير السوق. وتستخدم شركات مثل بورتوار وجيه بي مورجان بالفعل نهج التعلم الآلي تحت الإشراف لتأثير نموذج السوق. هذا الأخير هو أيضا اختبار استخدام التعلم التعزيز لتحسين الجدول الزمني للتداول.
وقد وجدت أيضا طريقها إلى العديد من التطبيقات الأخرى مثل التحقق من صحة نموذج، وتحسين نصب الأفكار التجارية وفي الاكتتاب الائتمان.
أحد الانتقادات الشائعة للتعلم الآلي، وخاصة من المنظمين، هو الطريقة التي يعمل بها ليست شفافة، لذلك عندما تسوء الأمور، فمن الصعب تحديد مصدر المشكلة. ومن الشواغل ذات الصلة ما إذا كانت تقنية التعلم الآلي نفسها نموذجا، ومن ثم ينبغي إعادة تقييمها - ولكن ليس من الواضح جدا كيفية القيام بذلك.
لهذا السبب، في حين تطوير تطبيقات التعلم الآلي للأنشطة التجارية التي يمكن أن تؤثر على الأسواق، يجب أن تتخذ خطوات متزامنة في تحسين الطريقة التي يمكن اختبار نهج التعلم الآلي. وبهذه الطريقة، يمكن للشركات أن تستفيد من أمرين، هما الاجتهاد والسرعة التي يمكن للآلات أن تجر بها من خلال مجموعات البيانات الكبيرة، وقدرة البشر على التكيف وإيجاد الحلول عندما تسوء الأمور.
تعلم الآلة ليس فقط لجانب الشراء.
14 كانون الأول / ديسمبر 2017.
جعل البديل حقيقة واقعة.
13 كانون الأول / ديسمبر 2017.
ولا يزال التمويل الكمي يحتاج إلى علماء الرياضيات.
17 نوفمبر 2017.
إسما يتجول متاهة بريكسيت على التكافؤ.
16 نوفمبر 2017.
والمنظمين الآسيويين بحاجة إلى تصعيد لمقايضة التحدي.
15 نوفمبر 2017.
مستقبل المخاطر في 10 مقابلات: التقلب والسيولة والتكنولوجيا.
06 نوفمبر 2017.
شركات التأمين تريد الوضوح لا تساوم على قائمة G - سي.
19 أكتوبر 2017.
سباق كبير ميفيد إلى القاع.
12 أكتوبر 2017.
7 أيام في 60 ثانية.
فرتب، وكار وقبعات مكافأة لتجار دعامة.
الأسبوع المتعلق بالمخاطر، 16-22 ديسمبر 2017.
يجب تسجيل الدخول لاستخدام هذه الميزة. إذا لم يكن لديك حساب خطر، يرجى التسجيل للحصول على محاكمة.
© إنفوبرو ديجيتال ريسك (إب) ليميتد، نشرت من قبل إنفوبرو ديجيتال ريسك ليميتد، هيماركيت هاوس، 28-29 هيماركيت، لندن SW1Y 4RX، هي شركات مسجلة في إنجلترا وويلز مع أرقام تسجيل الشركة 9232733 & أمب؛ 9232652.
الناشر الرقمي لهذا العام.
يجب تسجيل الدخول لاستخدام هذه الميزة. إذا لم يكن لديك حساب خطر، يرجى التسجيل للحصول على محاكمة.
أنت حاليا على دخول الشركات.
لاستخدام هذه الميزة سوف تحتاج إلى حساب فردي. إذا كان لديك واحد بالفعل يرجى تسجيل الدخول.
بدلا من ذلك يمكنك طلب حساب إندفيدوال هنا:
الحصول على فيا أب ستور قراءة هذه المشاركة في التطبيق لدينا!
استراتيجية التنفيذ الأمثل.
يمكن لشخص ما تسليط الضوء على الطرق المثلى لتنفيذ أوامر متوسطة الحجم.
2000 سهم في السوق؟
للأسف ألغو التنفيذ لدي الوصول إلى هو غبية جدا. ويتبع أعلى من سعر الكتاب، وبالتالي أستطيع أن أرى أن ألغو أنا باستخدام هو الحصول على لعبت من قبل بعض ألغو المفترسة. على سبيل المثال، إذا كان انتشار هو 2 سنتات واسعة، أمر صغير (يقول 100 سهم) يأتي في تشديد انتشار إلى 1 في المائة ويتم إلغاؤها على الفور. وفي الوقت نفسه طلبي يتحرك سعره ليكون أعلى من الكتاب، ولكن بعد ذلك يجلس وحده بعد إلغاء. طلبي يحصل ضرب وسعر السوق يتحرك ضد لي.
أنا تحولت إلى استخدام تواب / فواب ألغو، ولكن أريد الحصول على فهم أفضل لتنفيذ النظام. ما هي القواعد التي يجب اتباعها لكي لا يتم اختيارها بشكل سلبي أو أن يكون مثلها؟
إذا كان هدف الغو الأصلي الخاص بك هو اتباع أعلى من اقتباس الكتاب، ثم كان ينبغي أن يكون بعض الحد الأدنى قبل أن تنضم إلى اقتباس جديد. على سبيل المثال، يجب أن يحتوي الاقتباس المرجعي على الحد الأدنى للحجم المعروض ويجب أن يكون متوفرا لمدة أقل من الوقت قبل الانضمام.
أيضا، فإنه يساعد على "كومة الكتاب" عن طريق كسر الاقتباس الخاص بك إلى أوامر أصغر بأسعار أسوأ. لذا بدلا من تقديم عرض بقيمة 2000 سهم بسعر 25 دولارا (أو ما يعادله بالعملة المحلية)، قدم عرض سعر واحد بقيمة 1000 سهم بسعر 25 دولارا أمريكيا (أو ما يعادله بالعملة المحلية) وعرض سعر آخر قدره 1000 سهم بسعر $ 24.99.
هناك أدبيات واسعة حول التنفيذ الأمثل، من بين أمور أخرى:
عمليا، سوف تحتاج إلى معرفة البنية المجهرية للسوق لاتخاذ قرار جيد على أساس كل سوق على حدة (على سبيل المثال بعض الأسواق تقبل الجبال الجليدية الأصلية، وغيرها لا؛ بعض الأسواق تقدم حمامات مظلمة أو أوامر مخفية تماما، وما إلى ذلك). أود أن أوصي قراءة السوق المجهرية: مواجهة العديد من وجهات النظر (سلسلة وايلي المالية، 2018)، أبيرجيل، بوشود، فوكو، ليهالي، روزنباوم، إدس.
أن يقال، تحتاج إلى اتخاذ سيارة من اثنين من الآثار لتصميم ألغو التداول:
السيطرة على المخاطر (لا تسير بسرعة كبيرة للتأثير على ديناميات النظام وتجنب الانتقاء السلبي، وليس الذهاب بطيئة جدا إلى أن تكون محمية ضد التحركات السلبية للسعر)، وذلك للاستخدام الحد الأقصى ودرجة المشاركة الحد الأدنى أو أي شيء فرص مماثلة: ننظر في النظام ، واستخدام التعلم الإحصائي، والنظر في الأسعار المرجعية (مثل التحركات مؤشر)، الخ.
مؤخرا كتاب "السوق المجهرية في الممارسة" (ليهال، لارويل والمساهمات من بورغوت، لاسنير وبيلين) يوفر تغطية الكثير من الجوانب العملية من التداول الأمثل.
إذا كنت تريد أن تكون أكثر عدوانية دون الكشف عن يدك، ضع أوامرك أوامر مخبأة داخل محاولة / نسأل. ألغوس على الجانب الآخر سوف الأسماك مع أوامر حجم صغير لمعرفة ما هو مخفي ومع ذلك. الصيد لن تكشف عن حجم طلبك، ولكن تكشف عن وجود شيء هناك. يمكن الحصول على بعض حجم القيام بهذه الطريقة.
المشورة أعلاه بشأن متى للانضمام إلى العطاء أو تسأل وكذلك التراص جيدة كذلك. قد ترغب في تطفو في بعض الانتشار مع غضب السعر الداخلي إذا كان يبدو أن هناك ما يكفي من الضوضاء للعبور في النظام بشكل دوري. هذا يفترض أن السوق يتداول جانبيا وكان لديك الوقت للوصول في.
إذا كنت مطاردة الزخم ثم تحتاج إلى عبور أو وضعه بشكل أكثر قوة. كونها ذكية مع كيفية عبور عندما العدوانية هو فن آخر.
تنفيذ فواب كاستراتيجية الأمثل.
نسخة طويلة من ورقة "تنفيذ فواب كاستراتيجية الأمثل" في رسائل جسيام، المجلد. 7 (2018)، p. 33-36.
13 الصفحات نشرت: 27 أغسطس 2017 آخر تعديل: 1 فبراير 2017.
تاكاشي كاتو.
رابطة مختبر التمويل الرياضي (أمفيل)
التاريخ مكتوب: 31 يناير 2017.
إن إستراتيجية تنفيذ متوسط السعر المرجح (فواب) معروفة جيدا وتستخدم على نطاق واسع في الممارسة العملية. في هذه الدراسة، ونحن بصراحة إدخال عملية حجم التداول في نموذج ألمغرين-كريس، وهو نموذج قياسي للتنفيذ الأمثل. ثم نبين أن استراتيجية فواب هي استراتيجية التنفيذ الأمثل للتاجر محايد المخاطر. وعلاوة على ذلك، فإننا ندرس حالة تاجر نزيه المخاطر واستخلاص التوسع من الدرجة الأولى مقارب للاستراتيجية المثلى لمشكلة الأمثل التباين المتوسط.
الكلمات الرئيسية: مشكلة التنفيذ المثلى، حجم التداول، متوسط السعر المرجح المتوسط (فواب)، تأثير السوق.
جيل التصنيف: C61، G11.
تاكاشي كاتو (جهة الاتصال)
رابطة مختبر التمويل الرياضي (أمفيل) (البريد الإلكتروني)
تشيودا، طوكيو 102-0083.
إحصاءات الورق.
المجلات الإلكترونية ذات الصلة.
أسواق رأس المال: كفاءة السوق إجورنال.
الاشتراك في هذه الجريدة رسوم لمزيد من المقالات المنسقة حول هذا الموضوع.
نماذج الاقتصاد القياسي: أسواق رأس المال - نظرية المحفظة إجورنال.
الاشتراك في هذه الجريدة رسوم لمزيد من المقالات المنسقة حول هذا الموضوع.
روابط سريعة.
حول.
يتم استخدام ملفات تعريف الارتباط بواسطة هذا الموقع. لرفض أو معرفة المزيد، انتقل إلى صفحة ملفات تعريف الارتباط. تمت معالجة هذه الصفحة بواسطة apollo6 في 0.094 ثانية.
تعلم الآلة يمكن أن تحل مشكلة التنفيذ الأمثل.
التعلم التعزيز يمكن استخدامها لتنفيذ التدفقات النظامية على النحو الأمثل.
البشر والنماذج عادة ليست جيدة في التعامل مع الكثير من المعلومات. وعندما يزداد عدد العوامل التي تنطوي عليها عملية اتخاذ القرارات، تصبح نمذجة عملية اتخاذ القرار ومختلف نتائجها غير عملية وتستغرق وقتا طويلا.
في السنوات الأخيرة، وقد داس التعلم الآلي في لحل هذه المشكلة.
مجال واحد في مجال التمويل التي جذبت باستمرار كمية كبيرة من البحوث من جانب الشراء هو تأثير السوق، أو تأثير أوامر كبيرة على سعر السوق.
إذا لم يتم تنفيذ التجارة دفعة واحدة، بسبب نقص السيولة بسعر السوق السائد، يتم تقسيمها إلى سلسلة من الصفقات الأصغر حجما. ولكن هذا يعرض التاجر لخطر تحرك السوق ضدهم في حين يتم تنفيذ تلك الصفقات.
وتتراوح الحلول من حد بسيط على الوقت الذي يستغرقه تنفيذ التجارة إلى حدود على السعر الذي يتم تنفيذ التجارة. عند اختراق أي من الحدين، تتوقف الشركة عن التداول - ولكن لا يلزم أن تؤدي هاتان الطريقتان دائما إلى التنفيذ الأمثل الذي يزيد من الثروات ويقلل من تكاليف التاجر. وتستخدم المؤسسات الأكثر تطورا البرمجة الديناميكية لتحديث خوارزمية التنفيذ لتعكس ظروف السوق المتغيرة. وهذا يعني الحاجة إلى استخدام التقنيات العددية المكثفة حسابيا للعثور على استراتيجية التداول الأمثل.
في جميع هذه الحالات، تنشأ القيود من حقيقة ديناميكيات مختلفة تحتاج إلى أن تكون على غرار. ولكن ماذا لو لم تكن هناك حاجة لنموذج؟
في هذا الشهر الأول من التقنية، تعلم الآلة للتداول، غوردون ريتر، مدير محفظة كبير في غسا كابيتال بارتنرز في نيويورك، يطبق تقنية تعلم الآلة تدعى تعزيز التعلم لمحاكاة تأثير السوق وإيجاد استراتيجية التداول الأمثل الذي يزيد من قيمة التجارة المعدلة لمخاطرها.
وتشمل تقنيات التعلم الآلي الشائعة تحليل العنقودية، والذي يستخدم لتحديد أوجه التشابه والنماذج التي يصعب رؤيتها في البيانات المعقدة. في تقنيات التعلم تحت الإشراف، والتي تشمل الانحدار البيزي والغابات العشوائية، يمكن للوكيل أن يتعلم من بيانات المثال والاستجابات المستهدفة المرتبطة بها.
ويتعلم الوكيل عن الاستراتيجية المثلى والتكلفة دون بناء نموذج بالفعل. في عملية التدريب، وكيل يحاول كل أنواع الأشياء ويحصل على مراقبة مكافأة وتصحيح خوارزمية له أساسا.
تقنية أخرى هي التعلم التعزيز، الذي يحاول تدريب الجهاز، من خلال عدد كبير من المحاكاة، لاختيار أفضل مسار للعمل في بيئة معينة، لذلك عندما تكون الآلة على استعداد للتجارة في الحياة الحقيقية، فإنه يعرف بالفعل ما هو الأمثل مسار العمل هو، استنادا إلى التدريب.
في هذه الورقة، ريتر ينطبق تعزيز التعلم إلى التداول من خلال إعطاء وكيل مهمة تعظيم الفائدة المتوقعة للتجارة - أي قيمة التجارة أقل من جميع التكاليف المرتبطة بها، وتعديلها لخطر التجارة. "انها تسمح لك لمعرفة الاستراتيجية المثلى بطريقة تدرك تماما من أي نوع من التكلفة، لذلك تأثير الخاصة بك على السعر هو مصدر كبير حقا من التكلفة لتجار الكمي. ولكن أنواع أخرى من التكاليف، مثل عرض العطاءات ينتشر، والعمولات، وتكاليف الاقتراض - كل تلك سوف تأخذ في الاعتبار في مكافأة "، ويقول ريتر.
إن ما يقيد دائما خوارزميات التنفيذ المثلى التقليدية هو عدد العوامل التي يمكن استخدامها في النماذج. وكلما زاد عدد هذا العدد، زادت صعوبة حل المشكلة. هذا غير موجود مع تعزيز التعلم، كما يتعلم الجهاز من قبل التجربة والخطأ المرتبطة كونها في دول مختلفة من العالم ومعرفة المسار الأمثل للتنفيذ من تلقاء نفسها. "الوكيل يتعلم عن الاستراتيجية المثلى والتكلفة دون بناء نموذج فعلا. في عملية التدريب، وكيل يحاول كل أنواع الأشياء ويحصل على مراقبة المكافأة وتصحيح أساسا خوارزميه "، ويقول ريتر.
يقول المؤلف أنه يمكن تشغيل ملايين السيناريوهات أثناء عملية التدريب في أقل من ثانية. التحذير الوحيد هو أن النهج في الورقة ينطبق على تداول الأصول الفردية، مثل مخزون واحد. وإذا كانت هناك أصول متعددة، فإن عملية التدريب ستكون أبطأ، ولكن بمجرد اكتمال التدريب، يمكن استخدام هذه التقنية في الوقت الحقيقي للتداول.
جني الفوائد.
وقد سارع الكثيرون إلى محاولة جني فوائد التعلم الآلي في نمذجة تأثير السوق. وتستخدم شركات مثل بورتوار وجيه بي مورجان بالفعل نهج التعلم الآلي تحت الإشراف لتأثير نموذج السوق. هذا الأخير هو أيضا اختبار استخدام التعلم التعزيز لتحسين الجدول الزمني للتداول.
وقد وجدت أيضا طريقها إلى العديد من التطبيقات الأخرى مثل التحقق من صحة نموذج، وتحسين نصب الأفكار التجارية وفي الاكتتاب الائتمان.
أحد الانتقادات الشائعة للتعلم الآلي، وخاصة من المنظمين، هو الطريقة التي يعمل بها ليست شفافة، لذلك عندما تسوء الأمور، فمن الصعب تحديد مصدر المشكلة. ومن الشواغل ذات الصلة ما إذا كانت تقنية التعلم الآلي نفسها نموذجا، ومن ثم ينبغي إعادة تقييمها - ولكن ليس من الواضح جدا كيفية القيام بذلك.
لهذا السبب، في حين تطوير تطبيقات التعلم الآلي للأنشطة التجارية التي يمكن أن تؤثر على الأسواق، يجب أن تتخذ خطوات متزامنة في تحسين الطريقة التي يمكن اختبار نهج التعلم الآلي. وبهذه الطريقة، يمكن للشركات أن تستفيد من أمرين، هما الاجتهاد والسرعة التي يمكن للآلات أن تجر بها من خلال مجموعات البيانات الكبيرة، وقدرة البشر على التكيف وإيجاد الحلول عندما تسوء الأمور.
تعلم الآلة ليس فقط لجانب الشراء.
14 كانون الأول / ديسمبر 2017.
جعل البديل حقيقة واقعة.
13 كانون الأول / ديسمبر 2017.
ولا يزال التمويل الكمي يحتاج إلى علماء الرياضيات.
17 نوفمبر 2017.
إسما يتجول متاهة بريكسيت على التكافؤ.
16 نوفمبر 2017.
والمنظمين الآسيويين بحاجة إلى تصعيد لمقايضة التحدي.
15 نوفمبر 2017.
مستقبل المخاطر في 10 مقابلات: التقلب والسيولة والتكنولوجيا.
06 نوفمبر 2017.
شركات التأمين تريد الوضوح لا تساوم على قائمة G - سي.
19 أكتوبر 2017.
سباق كبير ميفيد إلى القاع.
12 أكتوبر 2017.
7 أيام في 60 ثانية.
فرتب، وكار وقبعات مكافأة لتجار دعامة.
الأسبوع المتعلق بالمخاطر، 16-22 ديسمبر 2017.
يجب تسجيل الدخول لاستخدام هذه الميزة. إذا لم يكن لديك حساب خطر، يرجى التسجيل للحصول على محاكمة.
© إنفوبرو ديجيتال ريسك (إب) ليميتد، نشرت من قبل إنفوبرو ديجيتال ريسك ليميتد، هيماركيت هاوس، 28-29 هيماركيت، لندن SW1Y 4RX، هي شركات مسجلة في إنجلترا وويلز مع أرقام تسجيل الشركة 9232733 & أمب؛ 9232652.
الناشر الرقمي لهذا العام.
يجب تسجيل الدخول لاستخدام هذه الميزة. إذا لم يكن لديك حساب خطر، يرجى التسجيل للحصول على محاكمة.
أنت حاليا على دخول الشركات.
لاستخدام هذه الميزة سوف تحتاج إلى حساب فردي. إذا كان لديك واحد بالفعل يرجى تسجيل الدخول.
بدلا من ذلك يمكنك طلب حساب إندفيدوال هنا:
No comments:
Post a Comment