Ad Alta Frequenza Trading Opzioni Mercato

High-Frequency Trading - HFT Qual è ad alta frequenza Trading - HFT di trading ad alta frequenza (HFT) è una piattaforma di trading programma che utilizza i computer potenti per trattare un gran numero di ordini a velocità molto veloce. Esso utilizza algoritmi complessi per analizzare i diversi mercati e eseguire gli ordini in base alle condizioni di mercato. In genere, i commercianti con le velocità di esecuzione più veloci sono più redditizie rispetto commercianti con velocità di esecuzione più lenta. SMONTAGGIO-High Frequency Trading - HFT di trading ad alta frequenza è diventato popolare quando gli scambi hanno iniziato a offrire incentivi per le aziende di aggiungere liquidità al mercato. Per esempio, il New York Stock Exchange (NYSE) ha un gruppo di fornitori di liquidità supplementari chiamati Liquidity Provider (SLP) che tenta di aggiungere la concorrenza e la liquidità per le citazioni esistenti sullo scambio. Come incentivo per le aziende, il NYSE paga un canone o di abbuono per la fornitura di detto liquidità. Nel mese di luglio 2016, lo sconto medio SLP era 0,0019 per i titoli NYSE - e NYSE MKT quotate sul NYSE. Con milioni di transazioni al giorno, questo si traduce in una grande quantità di profitti. La SLP è stato introdotto in seguito al crollo di Lehman Brothers nel 2008, quando la liquidità è stata una delle principali preoccupazioni per gli investitori. Vantaggi di HFT Il vantaggio principale di HFT è che ha migliorato la liquidità del mercato e rimosso bid-ask spread che in precedenza sarebbero state troppo piccole. Questo è stato testato con l'aggiunta di commissioni su HFT, e di conseguenza, bid-ask spread è aumentato. Uno studio ha valutato come canadese bid-ask spread modificate quando il governo ha introdotto commissioni su HFT, e si è riscontrato che gli spread bid-ask è aumentato del 9. Critiche di HFT HFT è controversa ed è stata accolta con un po 'dura critica. Ha sostituito una grande quantità di broker-dealer e utilizza modelli matematici e algoritmi di prendere decisioni, di prendere decisione umana e l'interazione fuori dall'equazione. Le decisioni avvengono in millisecondi, e questo potrebbe portare a grandi movimenti di mercato senza ragione. A titolo di esempio, il 6 maggio 2010, il Dow Jones Industrial Average (DJIA) ha subito il maggior calo intraday punto mai, in calo di 1.000 punti e cadere 10 in soli 20 minuti prima di risalire. Un'indagine del governo accusato un ordine di massa che ha innescato un sell-off per l'incidente. Una critica aggiuntiva di HFT è che permette alle grandi aziende di profitto a scapito dei piccoli ragazzi, o gli investitori istituzionali e retail. Un altro importante denuncia circa HFT è la liquidità fornita da HFT è fantasma di liquidità, il che significa che fornisce la liquidità che è disponibile sul mercato un secondo e andate al prossimo, impedendo ai commercianti di essere effettivamente in grado di commerciare questo liquidity. Has High Frequency Trading rovina The Stock mercato per il resto di noi Se sei un investitore, trading ad alta frequenza (HFT) è una parte della tua vita, anche se non lo sa. Probabilmente avete acquistato azioni offerte da un computer o vendute azioni acquistate e poi immediatamente venduti da un altro computer. HFT è controversa. I commercianti non sono d'accordo con l'altro e gli studi contraddicono altri studi, ma a prescindere dalle opinioni, ciò che è più importante è come HFT interessa il vostro denaro. Top Trends di investimento per il 2013. Abbiamo andare oltre un paio tendenze di investimento per voi di pensare per il 2013. Che cosa è HFT HFT è un termine più ampio per le varie strategie di trading che implicano l'acquisto e la vendita di prodotti finanziari a velocità estremamente elevate. I computer possono identificare i modelli di mercato e di acquistare o vendere questi prodotti in pochi millesimi di secondo sulla base di algoritmi o algos. Una strategia è quella di servire come un market maker in cui l'impresa HFT offre prodotti sia sul acquisto e in vendita i lati. Con l'acquisto al prezzo di offerta e di vendita al prezzo di chiedere, trader ad alta frequenza possono fare profitti di un centesimo o meno per azione. Questo si traduce in grandi profitti quando moltiplicato per milioni di azioni. Fa male il mercato Si potrebbe pensare che perché la maggior parte di trading lascia una traccia cartacea computerizzato, sarebbe facile guardare le pratiche di trader ad alta frequenza per fornire una risposta chiara a questa domanda, ma che non è vero. A causa del volume dei dati e le aziende desiderio di mantenere le loro attività di trading segreto, mettendo insieme un normale giorno di negoziazione è molto difficile per le autorità di regolamentazione. Coloro che discutere questo problema spesso guardare il flash crash. Il 6 maggio 2010, il Dow Jones Industrial Average misteriosamente crollati 10 in pochi minuti, e altrettanto inspiegabilmente, rimbalzato. Alcune azioni blue chip di grandi dimensioni brevemente scambiato a un centesimo. Il 1 ° ottobre 2010, la Securities and Exchange Commission (SEC) ha pubblicato un rapporto denunciando una molto grande commercio dei e-mini contratti future SampP, che partì un effetto a cascata tra gli operatori ad alta frequenza. Come uno algo venduto rapidamente, ha innescato un'altra. Come più vendere ferma successo, non solo sono stati gli operatori ad alta frequenza che guidano il mercato più basso, tutti, tutta la strada fino al più piccolo commerciante al dettaglio, vendeva. Il flash crash è stato un effetto valanga finanziaria. Questo incidente ha causato la SEC ad adottare le modifiche che includeva immissione interruttori sui prodotti quando cadono oltre un certo livello in un breve periodo. Sulla scia del crollo flash, molti hanno chiesto se imposizione di una regolamentazione più stretta agli operatori ad alta frequenza ha senso, soprattutto perché più piccoli, si blocca il flash meno visibili accadono in tutto il mercato con regolarità. Fa male l'investitore al dettaglio cosa è importante per la maggior parte del pubblico investire è come HFT colpisce l'investitore al dettaglio. Questa è la persona il cui risparmio di pensione sono sul mercato, o la persona che investe nel mercato al fine di ottenere rendimenti migliori rispetto alla interesse nelle vicinanze di inesistente che proviene da un conto di risparmio. Un recente studio po 'di luce su questa questione. Secondo il New York Times. un economista del governo superiore ha trovato che le imprese HFT stanno prendendo profitti significativi da quello che chiamano gli investitori tradizionali, o quelli che non utilizzano algoritmi informatici. Studiare le SampP 500 E-mini contratti, i ricercatori hanno scoperto che gli operatori ad alta frequenza fatto un profitto medio di 1,92 per ogni contratto negoziato con i grandi investitori istituzionali e con una media di 3.49, quando commerciavano con gli investitori al dettaglio. Questo ha permesso il trader ad alta velocità più aggressiva per fare un profitto medio giornaliero di 45.267 secondo i dati 2010. Il documento ha concluso che questi profitti erano a scapito di altri operatori e questo può causare agli operatori di lasciare il mercato dei futures. Anche se gli autori non studiano i mercati azionari in cui rappresentano gli operatori ad alta frequenza per una grande quantità di volume di commercio - forse 70 o più, secondo alcuni rapporti - si dice che è probabile che avrebbero raggiunto le stesse conclusioni. The Bottom Line Il sentimento generale che il piccolo investitore non può vincere in questo mercato sta cominciando a proliferare. Alcuni accusano la massiccia quantità di denaro investita come prova che molti hanno rinunciato e ha perso la fiducia nei mercati. Questo è diventato un problema che anche i trader ad alta frequenza sono alla ricerca di altri mercati mondiali per trovare la liquidità di cui hanno bisogno per condurre le operazioni. Regolatori di tutto il mondo sono alla ricerca di modi per ripristinare la fiducia dei consumatori nel mercato azionario. Alcuni hanno proposto una per azione fiscale di trading, mentre altri, come il Canada, hanno aumentato le tariffe applicate alle imprese HFT. A causa della relativa novità della HFT, il processo di regolamentazione è venuto lentamente, ma una cosa che non sembra essere vero è che HFT non aiuta il piccolo commerciante. Un tipo di imposta riscossa sulle plusvalenze sostenute da individui e aziende. Le plusvalenze sono i profitti che un investitore. Un ordine per l'acquisto di un titolo pari o inferiore a un determinato prezzo. Un ordine di acquisto limite consente agli operatori e agli investitori di specificare. Un Internal Revenue Service (IRS) regola che consente per i prelievi senza penalità da un account IRA. La regola prevede che. La prima vendita di azioni da una società privata al pubblico. IPO sono spesso emesse da piccole, le aziende più giovani che cercano la. Rapporto DebtEquity è rapporto debito utilizzato per misurare una leva finanziaria company039s o un rapporto debito utilizzato per misurare un individuo. Un tipo di struttura di compensazione che i gestori di hedge fund tipicamente impiegano in cui una parte del risarcimento è la prestazione based. High-Frequency Trading 2: Strumenti struttura del mercato amp Benvenuti alla High Frequency Trading corso part 2: Struttura, strumenti e infrastrutture. La serie di corsi on High Frequency Trading è destinato a quelle persone, che sono interessati a tutto ciò che riguarda i mercati finanziari e della negoziazione. Dopo aver attraversato questi corsi si sa tutte le complessità di High Frequency Trading: concezioni, le strategie, le tecnologie si distruggerà molti miti e idee sbagliate circa HFT e troveranno un cristallo chiara comprensione di come tutte le cose che funzionano nella realtà. Ma questo non significa che la sua necessaria per iniziare fin dal primo corso, tutti sono abbastanza indipendenti, in modo da poter iniziare con questa Da questo part2 si impara sui cambiamenti struttura del mercato nel corso degli ultimi anni, le migliori attività commerciali per HFT, e requisiti di infrastruttura dei mercati di oggi. Durante questa seconda parte della serie ovviamente parleremo di: - cambiamenti drammatici della struttura del mercato nel corso degli ultimi anni, e come questo influenzato le strategie di commercianti - vedremo tutte le caratteristiche, i vantaggi e gli svantaggi di questi nuovi operatori del mercato, come ad esempio ECN e dark Pool, che stanno assorbendo la stragrande maggioranza dei commercianti HFT - scopriremo che le attività di negoziazione sono più adatti per HFT - vedremo sui requisiti infrastrutturali moderne dei mercati di oggi: microsecondi contano. Lo studente ideale per questo corso è un principiante o professionista già sperimentato, che già conosce i concetti di base dei mercati finanziari e di trading e vorrebbe ampliare la sua conoscenza in un ambito così popolare, ma ampiamente frainteso, come ad alta frequenza Trading. Sentitevi liberi di dare uno sguardo attraverso la descrizione del corso e cliccare Take This tasto corso quando si è pronti. Ci vediamo dentro Lo studente ideale per questo corso è un principiante o professionista già sperimentato, che già conosce i concetti di base dei mercati finanziari e di trading e vorrebbe ampliare la sua conoscenza in un ambito così popolare, ma ampiamente frainteso, come ad alta frequenza TradingHow HFT sta cambiando quello che sappiamo circa il mercato Quando produttori televisivi sono alla ricerca di filmati per illustrare notizie finanziarie, la scelta più semplice è spesso il piano commerciale di uno scambio, con i commercianti gesticolando e urlando. Questa estate, alcune di queste immagini sarà limitato alla storia. CME Group, il più grande dei mondi borsa a termine, si sta chiudendo quasi tutti i pozzi di Chicago dove generazioni di commercianti si sono scambiati contratti future e opzioni con urla e segnali a mano. Gran parte del lavoro di quei commercianti ora è automatizzato, eseguito da algoritmi che pongono migliaia di ordini ogni secondo, e quella corsa a vicenda per raggiungere i server scambi. Letture consigliate Needed rapidamente: Buone acquirenti per svalutazione crediti Perché tu sei sbagliato di un futuro crollo del mercato azionario Come Fed tasso muove influenzano l'economia Questo è l'ultimo esempio di commercio come elettronica, e più recentemente di trading ad alta frequenza (HFT), ha cambiato il mercato. Ma la sua non solo la velocità e le modalità di esecuzione che sono stati modificati: i dati che i mercati finanziari producono stanno cambiando quello che abbiamo pensato che knowor knewabout mercati finanziari. Armati di enormi quantità di dati e potenza di calcolo sufficiente a dar loro un senso, econometrici e statistici sono rivisitare e frugando buchi in alcune teorie di lunga data su come funzionano i mercati. Alcune di queste teorie sono state costruite sui punti di dati giornalieri raccolti dai libri rilegati custoditi nelle biblioteche. Ma nell'era ad alta frequenza, fanno queste ipotesi devono essere aggiornati C'è stata una proliferazione dei dati, e che ha portato ad una rinascita nella ricerca empirica, dice MIT Andrew Lo. operatori di mercato possono respingere una parte di questo lavoro come esercizio accademico. Dopo tutto, gli accademici usano passato i dati per spiegare come il mercato ha operato, mentre i praticanti si concentrano sulla previsione dei movimenti futuri del mercato. commercianti intelligenti usano modelsmany econometrico messo a punto da accademici, molti altri da practitionersas strumenti per pensare alle cose ed esplorare le cose, non necessariamente come vangelo, dice Columbia Universitys Emanuel Derman, autore di modelli. Comportarsi. Follemente. Ma Lo paragona il rapporto tra accademici e operatori di mercato a quella tra scienziati e ingegneri. Quando gli accademici della finanza intraprendere attività di ricerca, gli ingegneri di Wall Street prendono le loro intuizioni di base e li trasformano in strategie di trading, cioè la ricerca di forme direttamente le strategie di trading automatico. La ricerca condotta da Dacheng Xiu. assistente professore di econometria e statistica presso Chicago Booth, e dei suoi collaboratori illustra il cambiamento in atto. Utilizzando istantanee dei dati, i ricercatori sono frugando e incitamento a teorie di lunga data, tra cui una metodologia che ha guadagnato il suo creatore un premio Nobel. Il metodo generalizzato dei momenti modelli econometrici tendono ad essere altamente geek. Quando l'Università di Chicagos Lars Peter Hansen ha vinto il premio Nobel Memorial di Scienze Economiche nel 2013, molti giornalisti hanno lottato per spiegare il suo lavoro, il metodo generalizzato dei momenti (GMM). Come uno dei Hansens due co-vincitori, Robert Schiller di Yale, ha spiegato sul New York Times, il professor Hansen ha sviluppato una procedura. per testare razionale aspettative modelsmodels che comprendono le efficienti mercati modeland il suo metodo ha portato al rifiuto statistica di molti più di loro. (. Eugene F. Fama Robert R. McCormick Distinguished Professor servizio delle Finanze a Chicago Booth, anche condiviso il Nobel di quell'anno.) Xiu offre un altro modo di pensare a questo proposito: l'MGM ha fornito un quadro generale e una guida per come applicare modelli di dati reali. A Wall Street, dice, i commercianti e le loro imprese usa la GMM, o qualche versione di esso, per testare i modelli teorici sulla base dei dati di mercato. Le funzioni GMM, quindi, come un ponte tra le teorie accademiche e dati empirici. Un esperto del settore ha intervistato per questo articolo (con forse una definizione più ristretta di GMM di Xiu fa) stima che solo la metà dei quants Wall Street conosce la GMM esiste, e solo il 5 per cento di loro usa esplicitamente. Xiu risponde che il GMM è stato così completamente adattato dal settore finanziario che molti commercianti non possono nemmeno rendersi conto theyre utilizzarlo. Il GMM è stato pubblicato nel 1982, la storia quasi antica alla diretta mercati finanziari. Come strumento per collegare le teorie ai mercati contemporanei, Xiu dice, ha due limiti principali. In primo luogo, i mercati di oggi si muovono molto più velocemente di quanto hanno fatto nel 1982, e un giorno vale la pena di volume degli scambi è di molti ordini di grandezza più grande di quello che era. Oggi, molti modelli sono costruiti per prevedere ciò che il mercato farà nella prossima ora o minuto, piuttosto che il prossimo decennio. approccio Hansens è stato progettato per le serie temporali a lungo raggio nel corso di decenni, e deve essere adattato per questa impostazione, dice Xiu. In secondo luogo, anche se il rischio è sempre stata una parte del trading, la misura della riskvolatilitybarely esisteva 30 anni fa. Nel 1982, il premio Nobel Robert Engle della New York University ha sviluppato il modello celebre arco, che ha descritto la dinamica della volatilità per la prima volta. Nel 1993 il Chicago Board Options Exchange ha annunciato reporting in tempo reale di quello che sarebbe diventato l'indice di volatilità, comunemente noto come Wall Street temono calibro. Il VIX, una misura della volatilità implicita delle opzioni su indici SampP 500, mostra come volatilità sul mercato opzioni si aspetta che il mercato azionario di essere nei prossimi 30 giorni. Dal momento che il CBOE nel 2003 ha rivisto la metodologia che utilizza per calcolare il VIX, più aziende hanno lanciato derivati ​​sulla volatilità negoziati in borsa, e gli investitori hanno abbracciato con entusiasmo tali contratti. Per utilizzare il GMM, accademici e commercianti ora spesso devono fare ipotesi forti, come ad esempio assumendo che la volatilità segue un modello specifico o possono essere perfettamente stimati. Xiu e Duke Universitys Jia Li propongono un modo per modificare il GMM per renderlo più applicabile ai mercati contemporanei. Hanno creato una versione che, in omaggio a quella originale, che chiamano il metodo generalizzato dei momenti integrati (GMIM). E theyve stato tenuto fuori per un empirica test-drive utilizzando alcuni dei dati più alta frequenza raccolti da scambi e disponibile da fornitori di dati. Gli aggiornamenti CBOE VIX dati ogni 15 secondi, mentre i prezzi di transazione di futures e le scorte sono stati data e ora verso il basso per ogni secondo. Dati aggiornati ogni millisecondo hanno solo di recente resi disponibili a studiosi, Xiu dice, e si prevede anche di usarli. Fischer Black s leva ipotesi Prima di sviluppare il GMIM, Xiu faceva parte di un team di rivisitare l'economista Fischer Black s influente 1976 per quanto riguarda l'ipotesi di leva. Nel mercato azionario, una volatilità scorte tende a muoversi verso l'alto quando il prezzo del titolo si muove downparticularly negli indici come il SampP 500. Nero ritiene che la relazione negativa tra una volatilità beni e il suo ritorno potrebbe essere spiegato con un patrimonio debito-companys rapporto. Quando il prezzo delle azioni General Motors declina, per esempio, la volatilità delle azioni aumenta. Intuitivamente, ha senso: il più leveraged una società è, i più volatili le sue azioni sono suscettibili di essere. Ma per studiare varie teorie finanziarie circa l'effetto leva, si potrebbe riguardare l'effetto leva di variabili macroeconomiche e le caratteristiche di impresa, che sono tipicamente aggiornati con frequenza mensile o trimestrale, scrivere Xiu e l'Università di Montreals Ilze Kalnina. Volevano valutare l'ipotesi noto utilizzando i dati di gran lunga inferiore periodi di tempo. Come le loro note di ricerca, la volatilità si stima piuttosto che misurato con precisione. Una strategia comune per superare tale ostacolo è stato quello di creare le stime preliminari di volatilità su piccole finestre di tempo, quindi calcolare la correlazione tra tali stime e gli investimenti ritorni. L'approccio, tuttavia, introduce un sacco di rumore statistico su ciò econometristi considerano brevi periodi, ad esempio un mese o un quarto. Anche con anni di dati, la correlazione rimane insignificante. Xiu e Kalnina sostituiti stime preliminari di volatilità con dati provenienti da due fonti: i prezzi delle azioni o future su indici, e le osservazioni ad alta frequenza disponibile per il VIX o uno strumento di volatilità alternativo. Nel complesso, essi concludono, non vi sono prove che i neri leva ipotesi detiene ancora: un companys rapporto debito-equity aiuta a spiegare la relazione tra volatilità e rendimenti. Ma hanno anche trovato ci potrebbero essere altri fattori sul luogo di lavoro, tra cui il rischio di credito e rischio di liquidità. Il rapporto debito-equity non è necessariamente la variabile dominante, Xiu dice. Xiu e Kalnina possono in qualche misura essere dimostrando quello che molti commercianti già sospettano. Opzioni gli operatori sono a conoscenza di un modello chiamato il sorriso di volatilità che si pone in azioni indici come i SampP 500implied volatilità aumenta man mano che i prezzi di esercizio di una diminuzione un'opzione. L'ipotesi di leva è una spiegazione per questo modello, dice Derman. Egli dice che gli operatori prendono il sorriso di volatilità in considerazione ma non lo attribuiscono necessariamente l'ipotesi di leva. Modelli Opzione-pricing Domande su l'effetto leva portato Xiu a mettere in discussione modelli di opzione-pricing. Tra le molte cose che sono modellati in finanza, il prezzo delle stock option è uno dei più fondamentali. contratti di opzione ha dato il via alla rivoluzione quantitativa industrys finanziari: dopo il CBOE formato e ha lanciato i suoi primi contratti, Fischer Black e Myron Scholes ideato il loro famoso modello di Black-Scholes, che gli operatori utilizzati per le opzioni di prezzo. Per anni, i commercianti e gli intermediari ai box commerciali stampati fogli di prezzi calcolati utilizzando Black-Scholes. Molti nel settore finanziario utilizzare Heston e una varietà di modelli simili alle opzioni di valore. È che wise13 Quel modello è stato pubblicato molto tempo prima che l'indice VIX, però, e ha preceduto l'aumento della volatilità come asset class. Black-Scholes assume che la volatilità è una misura costante, mentre i modelli più recenti sanno che la volatilità in realtà oscilla. Come risultato, molte persone hanno sostituito Black-Scholes con modelli più recenti, il più famoso dei quali è il modello di Heston, chiamato per l'Università di Marylands Steven L. Heston. Un'estensione di Black-Scholes, Heston presuppone che una volatilità beni è casuale, non è costante, ed è correlato con rendimenti delle attività (l'effetto leva di cui sopra). Molti nel settore finanziario utilizzare Heston e una varietà di modelli simili (i cosiddetti modelli affini) alle opzioni di valore. È che saggia Xiu e duchi Jia Li ha deciso di affrontare la questione testando una caratteristica fondamentale di questi modelli Heston-tipo: la relazione lineare tra luogo e la volatilità volatilityspot implicita essendo il payoff di contratti a termine di volatilità che scadrà nel futuro, e implicite la volatilità è il prezzo corrente di mercato dell'opzione. I ricercatori hanno raccolto 23 quarti vale la pena di dati circa la volatilità implicita (utilizzando il VIX) e la volatilità posto (ottenuto dalla SampP 500), che coprono 1.457 giorni. Scoprono che il rapporto tra luogo e la volatilità implicita è in realtà non lineare. Se a tracciare i due insiemi di dati di volatilità, piuttosto che creare una linea coerente, che virano gli uni dagli altri, esibendo ciò che i ricercatori termine sostanziale variazione temporale. Ancora una volta, il mondo accademico può essere fornito evidenza di ciò che i praticanti sospetto: Hestons modello è difettoso. Xiu, che ha lavorato presso una ditta di commercio prima di ottenere il suo dottorato di ricerca, dice che molti commercianti hanno osservato che il modello di lavoro doesnt Heston. E un esperto del settore, che ha chiesto di non essere identificato, ha detto che anche se Heston è popolare perché la sua in qualche modo facile da usare, ha conosciuto le debolezze. Ma ha anche detto che avrebbe aiutare gli operatori ad avere il rapporto migliore quantificato. Volatilità e volume degli scambi I ricercatori stanno anche rivolgendo l'GMIM su un altro modello teorico ben noto, la miscela di ipotesi Distribution (MDH), che risale al 1970 e prevede una relazione tra le misure di volatilità e di liquidità, come il volume degli scambi. Queste sono le variabili chiave per le strategie di mercato-maker, e la MDH è uno dei modelli che li collegano. Si ritiene che una buona o una cattiva notizia spinge entrambe le variazioni di prezzo giornaliere e il volume degli scambi. Northwestern Universitys Torben G. Andersen ha creato una versione modificata nel 1996, che ha prodotto in gran parte gli stessi risultati. Andersen ha fatto un lavoro ben prima dell'esplosione nei dati ad alta frequenza. Un sacco di quel lavoro ho la mano-raccolto, dice, ricordando i suoi viaggi libreria per fare le fotocopie di dati di stock-prezzo giornaliere e gli scambi su volumi. Non so quanti libri ho dovuto copiare queste pagine, ma è stato un lavoro molto noioso e limitato il numero di scorte si poteva guardare. Egli dice che, anche se la volatilità è diventata una caratteristica maggiore del mercato da quel momento, i volumi hanno registrato un'impennata. investire istituzionale è cresciuto, i costi di negoziazione sono diminuiti, e le imprese HFT hanno aggiunto milioni di transazioni ai mercati globali ogni giorno. Queste cose hanno interessato il volume in modo diverso di quello che hanno volatilità. Xiu Li e ritestati il ​​MDH con il GMIM, con quattro anni di dati intraday-commerciali, aggregati ogni cinque minuti. Essi hanno esaminato i dati dai prezzi delle azioni di 3M, General Electric, IBM, JP Morgan Chase, e Procter Gamble amplificatore. Scoprono che Andersen modificato MDH modello regge abbastanza bene. Il suo modello prevede esiste una relazione tra volume e la volatilità, e abbiamo trovato prove di supporto di questo, Xiu dice. Così, quando la volatilità è alta, il volume degli scambi è pure. Ma il rapporto del modello prevede tra volatilità e il volume è sbagliata circa la metà del tempo. Essi trovano, per esempio, che la notizia ha più di un impatto durante i periodi di crisi. La nostra evidenza suggerisce che il modello MDH modificato necessita di ulteriore perfezionamento al fine di affrontare pienamente la modellazione dei dati ad alta frequenza intraday, gli autori scrivono. Andersen dice che nel 1990, è stato emozionante essere in grado di tracciare un collegamento tra la volatilità e il volume, ma era consapevole dei limiti dei dati. Xiu e Li, dice, sono rivisitando il lavoro nello spirito di quanto abbiamo fatto. Xiu dice che il prossimo passo per i ricercatori è quello di pensare a come HFT influenza il rapporto tra volatilità e la liquidità. Ciò richiede utilizzando i dati a frequenza più elevata. Xiu Li e hanno testato le loro teorie utilizzando i dati raccolti ogni secondo, ma Xiu dice il loro metodo sarà in grado di gestire i dati raccolti ad una velocità di meno di un secondo. Con il commercio ottenendo sempre più veloce, anche che il lavoro sarà solo di graffiare la superficie di ciò che gli statistici futuro sarà in grado di analizzare. con John Hintze