本报告提出一种结合内部流动性(通过做市)与银间限价和市价订单的新型算法执行模型。该模型在考虑银间订单市场冲击的基础上,排除内部做市交易的市场冲击,实现了内外流动性的优化平衡,从而减少市场冲击,提高执行效率。数值实验表明,该策略延迟市场订单的执行时机,通过做市吸引内部流动性,优化限价单深度和做市报价,有效提升执行策略的表现 。
研究背景与问题框架
模型构建与数学框架
数值实验与策略表现
| 执行时间 | 10 | 9 | 8 | 7 | 6 | 5 | 4 | 3 | 2 | 1 | 0 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| TL (LO/MO模型) | 1.47 | 2.86 | 4.51 | 6.54 | 9.17 | 12.87 | 19.07 | 39.12 | 59.19 | 59.99 | 60.00 |
| T1 (LO/MO/MM模型) | 3.25 | 5.06 | 7.31 | 10.28 | 14.62 | 22.72 | 53.35 | 58.86 | 60.00 | 60.00 | 60.00 |
| 时间 | count | mean | std | min | 25% | 50% | 75% | max |
|---|---|---|---|---|---|---|---|---|
| 10 | 11 | 0.9091 | 1.4460 | 0.000 | 0.000 | 0.000 | 1.500 | 4.000 |
| 20 | 11 | 1.4545 | 1.8091 | 0.000 | 0.000 | 1.000 | 2.500 | 5.000 |
| 30 | 11 | 2.0000 | 2.1909 | 0.000 | 0.000 | 1.000 | 3.500 | 6.000 |
| 40 | 11 | 2.0000 | 2.1909 | 0.000 | 0.000 | 1.000 | 3.500 | 6.000 |
| 50 | 11 | 2.4545 | 2.6595 | 0.000 | 0.000 | 1.000 | 4.500 | 7.000 |
量化因子/策略构建总结
Optimal Execution Strategies Incorporating Internal Liquidity Through Market Making
作者:Yusuke MORIMOTO
发布日期与机构:报告原文未明确披露具体发布时间和发布机构,但参考文献的最新引用时间为2019年,结合文本描述应为近年(2020年后)完成的研究。
研究主题:本文聚焦于算法交易中最佳执行策略的设计,创新性地将内部流动性(通过市场做市Market Making产生)纳入执行模型,旨在优化交易过程中利用内部与外部流动性的协同,从而降低市场冲击(market impact),提高执行效率。
核心论点:基于Cartea等人框架(以跳跃扩散过程对限价单及市价单进行建模),作者将市场冲击效应只施加于外部(跨银行interbank)订单,而对内部流动性(市场做市方生成的订单)不计入影响,从而通过求解对应的Hamilton-Jacobi-Bellman Quasi-Variational Inequality(HJB QVI)建立并求解动态执行策略。
目的与贡献:提出并数值求解了一个集成外部限价单、市价单及内部做市流动性的统一执行模型,揭示如何定价和使用内部流动性以最优平衡市场冲击与执行风险,是算法交易领域中将做市内流动性纳入的少见且具有实际应用价值的理论模型。
总结:
介绍执行大单时面临的市场冲击与市场风险的权衡,静态和动态的执行策略区别。回顾了Almgren-Chriss模型及其扩展,突出基于扩散过程带冲击项的方法。介绍Cartea等人用脉冲控制结合跳跃扩散过程模拟MO/LO的先进框架。引出做市在金融机构中的角色,强调将做市生成的内部流动性融入执行策略的必要性与现有研究不足。
推理依据与细节:
关键数据和结论:无具体数字,主要是文献综述和理论定位。
总结:
阐释金融机构内部分角色:做市和做市流动性提供者 vs 算法执行的“流动性需求者”。通过优惠价吸引做市侧客户订单,内部流动性能直接支持算法执行侧,减少与外部市场的交互,从而降低市场冲击。图示介绍美元兑日元的外汇场景,突出内部价格优于外部市场价格。
推理依据:
图示说明(图1):
图2(执行进度与MO时点)
表1(MO具体执行时间)
表2(MO成交订单大小统计)
表3与表4,及图3(LO深度与MM价差)
| 图表编号 | 描述 | 数据趋势与意义 | 文本联系与结论 | 潜在局限 |
|---|---|---|---|---|
| 图1 | 执行代理、做市内部流动性与外部市场的交互示意 | 明示内部做市价格优于外部市场报价,展示优惠撮合机制 | 支持论点:利用内部流动性能有效提升执行价格与效率 | 为逻辑图,非实测数据,展示模型机制 |
| 图2 | 三种策略下MO执行时点与剩余库存变化 | 策略3(含MM)MO执行延后,减少市场冲击 | 支撑模型目标,利用内流动性的利益体现 | 模拟结果需注意参数敏感性 |
| 表1 | MO执行具体时间点(秒) | 策略3整体晚于策略2 | 进一步细化策略行为差异 | 单一参数集,缺乏多场景对比 |
| 表2 | MO订单规模统计(均值、标准差等) | 随时间递增,集中度提高 | 市价单执行规模优化,降低成本 | 实践中可能受其他市场因素影响 |
| 表3 | LO深度(报价超出中间价值,量化为价差) | 时间增加深度减小,且随库存降低 | 显示LO报价灵活性 | 统计仅针对奇数库存,简化处理 |
| 表4 | MM价差变化 | 时间延长价差趋向零甚至负,库存大时价差更优 | 展现内部流动性价格优势 | 是否适应全部市场环境尚待验证 |
| 图3 | 结合图呈现LO深度与MM价差趋势对比 | 二者趋势一致但MM价差更具优势,符合理论预期 | 视觉支持模型差别及优势 | 无误差条显示,实际波动不明 |
本文非典型意义上的“估值”报告,核心在于执行成本优化的动态规划与数值解法,应用了HJB QVI方程,基于的估值逻辑包含:
整体属于基于随机控制理论的最优执行策略数值估值。
报告未直接强调风险因素,但可基于模型和方法隐含风险推断:
本文由Yusuke Morimoto提出的算法执行策略模型,创新性地将内部流动性(做市生成)纳入最优执行框架,相较传统策略在执行成本和市场冲击控制方面显著改进。通过数学严谨的脉冲和随机控制理论,转化为求解HJB QVI的形式,利用数值方法确定动态最优执行时机和报价深度。
数值实验清晰展示:
图表明晰支持了数学模型和策略逻辑,且实证数据符合实际市场做市机制。整体而言,该研究深化了算法交易中内外流动性协同的理解与实践指导,提供了一套高度可行的定量框架用于优化交易执行,是高频及算法交易领域的有益补充。
然而,模型假设较为简化,实际应用中需注意参数假设灵敏度、内流动性成本及风险敞口的实际度量与管理。未来工作或可扩展至更多市场结构、多资产延展及交互效应影响。
本解读基于报告页码引用:
, , , , , , , , , ,
2501.07581v1.pdf