用成本指数确定买卖不平衡- MATLAB和Simulink金宝app - 金宝app,下载188bet金宝搏,金宝搏官方网站

利用成本指数确定买卖不平衡

这个例子展示了如何使用Kissell Research Group的交易成本分析来确定买卖不平衡。不平衡是指在给定当天和指定交易期间的实际市场条件下，买方发起的成交量和卖方发起的成交量之间的差额。正的不平衡表示买入压力，负的不平衡表示卖出压力。成本指数帮助投资者了解交易成本环境如何影响市场上的订单流。该指数可以是一个基于表现的指数，比如标准普尔500指数，它显示了市场的走势和价值，也可以是一个显示市场不确定性的波动率指数。

不平衡份额数量为的值x这样

$0 ＝ | 米我 C o 年代 t | \cdot 10000 - 米我（ x),$

在哪里

$米我（ x) ＝［ b_{1} \cdot {（ \frac{x}{V o l u 米 e})}^{{一个}_{4}} + （ 1 - b_{1}) ］ \cdot ［ {一个}_{1} \cdot {（ \frac{x}{一个 D V})}^{{一个}_{2}} \cdot σ^{{一个}_{3.}} \cdot P r 我 c e^{{一个}_{5}} ］．$

心肌梗死是股票交易的市场影响成本。估计交易成本代表股票相对于基础指数价格变动的增量价格变动。体积是一篮子股票的实际日成交量。阿德是一篮子股票的平均日成交量。价格是一篮子股票的价格。方程中的其他变量为:

$σ$ -价格波动。
${一个}_{1}$ -对订单流量的价格敏感性。
${一个}_{2}$ -订购尺寸形状。
${一个}_{3.}$ -波动率形状。
${一个}_{4}$ -体积率形状百分比。
${一个}_{5}$ -价格形态。
$1 - b_{1}$ -永久市场影响的百分比。永久影响是指由于交易的信息量而产生的不可避免的影响成本。
$b_{1}$ -暂时市场影响的百分比。临时影响取决于交易策略。临时影响的发生是因为投资者的流动性需求。
$米我 C o 年代 t ＝ T o t 一个 l C o 年代 t - B e t 一个 \cdot 我 n d e x C o 年代 t,$ 地点:
- TotalCost-成交量加权平均价格相对于股票开盘价的变动。
- β-β。
- IndexCost-成交量加权平均价格相对于指数开盘价的变动。指数成本使用基础指数和贝塔来调整市场变动的价格。

在本例中，您可以使用当前或历史数据运行此代码。当前数据包括从开盘时间到当前时间的价格。历史数据使用全天的价格。历史成本使用特定地区和日期的市场影响参数。因此，历史成本会随着记录的不同而变化。

对于当前开销索引，加载示例表TradeDataCurrent从文件中KRGExampleData.mat．对于历史成本索引，加载示例表TradeDataHistorical从文件中KRGExampleData.mat．这个例子计算了一个当前成本指数。

要访问示例代码，请输入编辑KRGCostIndexExample.m在命令行。

运行此代码后，您可以使用Bloomberg提交执行订单^®例如。

此示例需要一个优化工具箱™许可证。有关背景信息，请参见优化理论概述(优化工具箱)．

检索市场影响参数和负载数据

从Kissell Research Group FTP站点检索市场影响数据。连接到FTP站点ftp函数使用用户名和密码。导航到MI_Parameters文件夹中的市场影响数据并检索MI_Encrypted_Parameters.csv文件。miData包含加密的市场影响日期、代码和参数。

F = ftp(“ftp.kissellresearch.com”,“用户名”,“pwd”）;mget (f,“MI_Encrypted_Parameters.csv”）;close(f) miData = readtable(“MI_Encrypted_Parameters.csv”,“分隔符”,…”、“,“ReadRowNames”假的,“ReadVariableNames”,真正的);

创建Kissell Research Group交易成本分析对象k．指定日期、市场影响代码和交易天数的初始设置。

k = krg(miData,datetime(“今天”), 1250);

加载示例数据TradeDataCurrent，它包含在Datafeed Toolbox™中。计算投资组合中股票的数量。

负载KRGExampleData.matTradeDataCurrentTradeData = tradedatcurrent;numStocks = height(TradeData);

有关示例数据的描述，请参见Kissell研究组数据集．

定义优化参数

定义用于优化的函数迭代的最大次数。集“MaxIterations”到一个较大的值，使优化可以迭代多次求解非线性方程组。

选项= optimoptions(“fsolve”,“MaxIterations”, 4000);

利用成本指数估算交易成本

确定总代价和代价。计算初始市场影响成本估算。确定初始体积x0．

totalCost = TradeData。VWAP ./ TradeData。开放- 1;indexCost = TradeData。β。*…(TradeData。我ndexVWAP ./ TradeData。IndexOpen - 1);miCost = totalCost - indexCost;sideIndicator =符号(miCost);x0 = 0.5 * TradeData.Volume;

创建一个存储所有输出数据的表。首先，添加这些变量:

象征-股票代码
日期-交易日期
一边——边
TotalVolume-交易量
TotalCost-交易总成本
IndexCost-指数成本

costIndexTable = table;costIndexTable。象征＝Tr一个deD一个t一个．象征; costIndexTable.Date = TradeData.Date; costIndexTable.Side = sideIndicator; costIndexTable.TotalVolume = TradeData.Volume; costIndexTable.TotalCost = totalCost; costIndexTable.IndexCost = indexCost;

使用一个为-循环计算投资组合中每只股票的成本指数。每个股票可能有不同的市场影响代码和日期。使用costIndexExampleEq包含要解的非线性方程的函数。控件的代码costIndexExampleEq函数,输入编辑KRGCostIndexExample.m．

将这些变量添加到输出表中:

不平衡——不平衡
ImbalancePctADV-不平衡为平均日交易量的百分比
ImbalancePctDayVolume-不平衡的百分比作为日容量
BuyVolume-买入量
SellVolume-销量
心肌梗死-市场影响成本
ExcessCost-超额成本

为i = 1:numStocks为每个库存设置对象的MiCode和MiDatek.MiCode = TradeData.MICode(i);k.MiDate = TradeData.Date(i);为目标市场的每只股票求解股票。%影响成本。在本例中，x是导致的股份(不平衡)数量MI影响成本，导致一个市场的股票数量。% MI的影响成本。这里使用自市场影响以来的abs(MI)% cost总是正的。如果市场影响成本为0.0050，则% fsolve试图找出股票x的数量，使得市场%冲击公式返回0.0050。注意，fsolve使用的是基点成本。x = fsolve(@(x) costIndexExampleEq(x,miCost(i)，TradeData(i，:)，k)，…x0 (i)、选择);不平衡必须在0和实际交易量之间。x = max(min(x,TradeData.Volume(i))，0);基于x重新计算体积和份额的百分比。TradeData.POV(i) = x/TradeData.Volume(i);TradeData.Shares(i) = x;以十进制值计算新的成本。mi = marketImpact(k,TradeData(i，:))/10000;%不平衡是指买卖时指定的股份数量% sideIndicator。指示器(i) * x;计算买卖交易量。知道:%% Volume = buyVolume + sellVolume;%失衡= buyVolume - sellVolume;%求解buyVolume和sellVolumebuyVolume = (TradeData.Volume(i) +失衡)/ 2;sellVolume = (TradeData.Volume(i) -失衡)/ 2;填充输出表cost indextable .失衡(i,1) =失衡;costIndexTable.ImbalancePctADV(i,1) =失衡/TradeData.ADV(i);costIndexTable.ImbalancePctDayVolume(i,1) =失衡/TradeData.Volume(i);costIndexTable.BuyVolume(i,1) = buyVolume;costIndexTable.SellVolume(i,1) = sellVolume;costIndexTable.MI(i,1) = mi * sideIndicator(i);costIndexTable.ExcessCost(i,1) = totalCost(i) - mi - indexCost(i);结束