本报告提出了一个基于物理学和随机过程工具的代数框架,用于建模限价委托簿(LOB)。该框架采用狄拉克符号和广义生成函数,精确描述订单生成、撤销和撮合过程,实现了LOB状态的时间演化模拟。通过吉莱斯皮算法,框架支持准确仿真多样交易者行为对关键市场指标如买卖差价、收益波动率和流动性的影响。两种模拟场景展示了不同交易者群体对市场微观结构的影响,验证了框架的组合能力和应用潜力
报告标题: An Algebraic Framework for the Modeling of Limit Order Books
作者: Johannes Bleher, Michael Bleher
发布机构: University of Hohenheim, Heidelberg University
发布日期: 2024年6月10日
研究主题: 限价单簿(Limit Order Book,LOB)的代数建模框架及其动态演化
本研究报告提出了一个创新性的代数框架,用于对限价单簿的动态建模。作者利用物理学中广泛应用的狄拉克符号(Dirac notation)和生成函数方法,将LOB的状态空间和时间演化过程抽象化为创造和湮灭算子的作用,并通过主方程(Master Equation)描述其随机动态。该框架支持多类异质交易者的组合行为分析,并适用于不同市场结构,能够通过Gillespie算法实现对LOB动态的精确模拟。核心信息点包括:
报告的主要目的是将高度复杂的LOB市场微观结构,通过严谨的数学语言和计算方法,转化为一个可操作且可扩展的建模框架,为市场设计和政策分析提供强有力的技术工具。
报告首先回顾了限价单簿建模的研究现状,强调了市场微观结构领域的重要文献和研究瓶颈。尽管已有模型在考虑市场参与者决策方面做出贡献,但缺少既能细致描述订单簿所有观测量动态,又能兼顾异质交易者行为的整体模型。作者本研究试图填补这一空白,引用物理学中的数学工具为LOB建模提供新视角。狄拉克符号和生成函数作为数学工具的引入,既源于量子力学,又能很好地处理生成函数的递推和微分性质,便于描述无限维的状态空间。
总体论点是将LOB建模问题转化为处理状态的代数操作问题,提供组合理论和随机过程的桥梁,进而对市场行为进行模拟和预测。
LOB作为交易平台核心机制,包含买卖双方排队订单,按照价格优先与时间优先规则撮合成交。报告明确了价格、订单数量与订单时间是订单三大基本维度,区分了限价单与市价单的市场角色,说明了市价单作为极限价格的限价单不直接驻留簿中。通过图形(图1)展示了LOB的状态分布、随时间演进的随机分叉过程、不同交易者订单到达率的分布,以及多市场环境下订单簿的组合结构,体现了模型的模块化能力。
生成函数将离散随机变量的概率分布编码为幂级数,是理解随机状态的天然工具。PGF表达了随机状态作为概率线性组合的混合态,支持通过偏微分方程描述动态演化,连接量子物理中的纯态与混合态概念。报告指出PGF与特征函数、矩生成函数、阶乘矩生成函数间的紧密联系,展示了其在统计学和金融学中的广泛应用潜力。
引入狄拉克符号的最大优势是其将纯状态表示为基向量,使得创造和湮灭算子具备类似量子系统中激发态加减的操作语义。创造算子对应状态增加单位,湮灭算子对应状态减少单位。此符号方便表示任意复合状态,并可与生成函数的幂级数自然对应。该表达使得LOB模型可以灵活地处理大量订单、价格层和数量的组合状态,规避直接操作幂级数时的复杂性。
以4条核心规则编码LOB操作:
这些规则构建了部分了LOB状态空间的代数结构,使得每一步状态转移均可由算子作用描述。王牌之处是“订单行走”机制(walking the book),既来自新订单自身沿权重安排定位,也包括撮合过程中穿越对手盘操作,完美匹配现实交易系统中的订单匹配逻辑。
纯态对应一组确定有序的买卖订单构成的状态,集合P为所有有限长度、价格有序的订单簿配置。由于价格、数量及订单数无穷大,理论上为可数无限集合,实践中设定截断以便数值计算。
混合态为纯态的概率线性组合,构成实向量空间H,内积空间赋予了数学上的严密结构,方便未来对状态演化、期望值及协方差等统计量的分析。
LOB状态通过订单提交与取消的组合变化,满足马尔科夫过程的条件。尽管个体行为可能具备高阶依赖,作者采取从汇总的角度出发,将整体效果近似看作一阶马尔科夫过程,通过状态依赖的转移率α和ω描述整体动态。经验研究支持此近似的合理性,即利用历史数据估计订单流到达和取消强度。
状态随时间的演化用主方程∂t∂∣Ψ(t)⟩=H∣Ψ(t)⟩表示,其中哈密顿算子H具体构造为:
H=k,q∑[(ak,q+−1)αa(k,q)+(bk,q+−1)αb(k,q)+(ak,q−−Nk,qa)ωa(k,q)+(bk,q−−Nk,qb)ωb(k,q)]各部分分别对应订单进入和取消的算子,以及确保无效操作概率为零的正规化部分。此结构完满反映了LOB相关事件的概率转移机制。
考虑状态对转移率的反馈,αm(k,q;ψℓ)和ωm(k,q;ψℓ)依赖于LOB当前宏观观测量(如最优买卖价及价差),实现非线性反馈机制。转移率的状态依赖使模型具备自适应调整能力,能模拟行情波动对订单行为的影响,丰富了模型的真实感和预测能力。
模型支持多个交易群体的组合,每个群体拥有独特的行为特征和动态哈密顿算子,整体系统哈密顿算子为各群体的叠加。此结构捕捉了市场异质性和复杂交互,对于理解不同交易者行为对市场微观结构的贡献具有重要意义。报告指出此框架与已有以群体划分为核心的市场微观结构研究相契合,例如机构与散户,耐心与急躁交易者等划分。
作者基于上述代数描述,利用Gillespie算法(1977)实现LOB的精确随机模拟。
Gillespie算法作为处理离散事件连续时间马尔科夫过程的经典方法,将等待时间和事件选择过程可视为指数分布和归一化概率分布的抽样,适用于状态依赖的事件速率系统。报告详细介绍了根据当前状态速率λ(ψℓ)计算无事件概率P0(δτ)和事件发生概率P(δτ;ψℓ),及根据各事件速率比例决定下一个状态变迁的步骤。
模拟构建了两个场景:
取消率固定为每个订单0.1,且整体事件率λ=6事件/单位时间,模拟时动态调整概率以确保事件率稳定。
通过比较两个场景,得出主要结论:
报告配套图表(图3、图4、图5)详尽呈现了订单到达率分布、关键指标分布密度及价格层上订单库存变化与交易位置,进一步丰富了结论。
意义:此图强调模型承载对多交易者、多市场动态组合态势的刻画能力,体现代数方法的模块组合优势。
图2a-d分别对应订单提交、取消、价时优先排列和订单撮合过程的算子操作,每个子图配视觉化的订单流与算子符号,清晰展示规则转为代数操作的映射。
数据与趋势:
联系文本:这四构成规则是理论基础,后续所有状态建模与动态演化均基于此。
图3a(场景1)和3b(场景2)展示了bid和ask两边订单到达率的条形图(黄色和绿色),描绘Discrete Gaussian Exponential (DGX)分布对不同价格层的到达率分布。
趋势解读:
此图验证了模型对不同群体订单行为的拟合和模拟能力。
8个小图分别展示不同组别(场景1和2)下的指标密度曲线,包括价差均值、对数收益均值、收益标准差、最佳买价和卖价均值、成交价、流动性指标XLM以及交易笔数。
解读:
图4综合展现了订单到达行为多样性对市场微观结构的深刻影响。
二维色阶图,y轴为价格层,x轴为时间步长,颜色表示价格层上的订单数量,黑点代表交易发生位置。
此图直观表达了模拟中订单深度及价格跨度对交易活跃度的影响。
系统整理场景1、2中不同交易者群体的订单分布参数、群体占比、取消率和事件强度,提供清晰的参数设置文档基础。
本报告不涉及传统意义上的企业估值模型,但提出的代数框架本质上为LOB状态空间的高维概率建模提供了数学“估值”工具:即对状态概率的动态演进给出了明确的数学操作路径及速率参数估计。
基于生成函数和量子力学算子概念,确定了状态空间的结构与动态演进中关键算子的作用,框架的“估值”实质是对状态概率与动态转移的严密计算。
报告隐含涉及复杂LOB动态,依赖于:
报告虽未逐条展开风险与对策,但明确提出了未来可包含的模型扩展方向和模拟启示,为针对复杂市场现象做出灵活调整提供空间。
尽管如此,报告在理论构建和初步模拟层面表现强劲,开辟了一条富有潜力的研究方向。
总体而言,本报告创新地引入代数和量子力学符号工具为限价单簿建模开辟新路径,精确描述订单的生成、取消及撮合动态,结合状态依赖马尔科夫过程构建了具有严密数学结构的LOB演化模型。通过对两种模拟场景的比较,证实了多组异质交易者行为对市场流动性、价差及价格波动的显著影响。
特别值得注意的是:
报告明确拒绝了纯粹策略模型的局限,展示了从物理学和概率论视角出发对金融市场结构问题的严密解析。为市场微观结构领域注入新鲜思路和方法论,具有重要理论价值和应用前景。
文中引用了大量限价单簿、市场微观结构和随机过程经典文献(Hong和Page, Gould等,Biais等,Baez和Biamonte等),为理论构建提供了坚实基础。,,,
注: 本报告所有结论均由原文数据和陈述推导、归纳而成,页码标记严格对应原文。
2406.04969.pdf