>>> На главную <<<

Stock basic statistics

Базовые статистики [market-stocks]

Order book

Двусторонний стек из заявок на покупку и продажу. Слева представлены биды (заявки на покупку), справа оферы (предложения на продажу)

order_book_1

Когда появляются совпадающие заявки, происходит гарантированная сделка

order_book2

Order book statistics

bid/ask spread:

\[BidAskSpread = BestOffer/BestBid -1\]

Например здесь:

order_book_1

BidAskSpread = 148/147 - 1 = 0.0068…

другие типы спредов в wiki

Weighted averaged price:

$P_{VWAP}$ Volume Weighted Average Price (средневзвешенная по объему цена);

$P_{j}P_{j}$ is price of trade $jj$ (цена сделки);

$Q_{j}Q_{j}$ is quantity of trade jj$ (количество лотов);

$jj$ это каждая отдельная сделка за выбранный период, исключая кросс-трейды и кросс-трейды корзины

В данном контексте $WAP$ опреден так:

\[WAP = \frac{BidPrice_{1}*AskSize_{1} + AskPrice_{1}*BidSize_{1}}{BidSize_{1} + AskSize_{1}}\]

Если в двух стаканах есть предложения спроса и предложения на одном и том же уровне цен соответственно, у стакана с большим количеством предложений будет более низкая оценка акций, поскольку в стакане больше предполагаемых продавцов, а большее количество продавцов подразумевает факт увеличения предложения на рынке, что приводит к снижению стоимости акций.

В большинстве случаев в часы непрерывной торговли в книге заказов не должно быть сценария, когда заявка на покупку выше, чем предложение продажи. Другими словами, скорее всего, спрос и предложение никогда не должны пересекаться.

В примере выше:

$WAP$ = (177251 + 148251)/(251 + 221) = 156.875

Log returns

Как сравнить прайсы за вчера и сегодня?

Простейший метод - посчитать разницу price differences. Однако простая разница не показывает степень изменеения цены. Эту проблему можнор решить, разделив разницу на стартовую цену за выбранный период - это называется stock return. Этот показатель демонстрирует процентное изменеение цены. Stock return всегда используется в финансах, а log returns предпочтителен в математическом моделировании.

$S_t$ это рыночная цена $S$ во время $t$, определенная между временем $t_1$ и $t_2$

\[r_{t_1, t_2} = \log \left( \frac{S_{t_2}}{S_{t_1}} \right)\]

Обычно kig return смотрится за фиксированный интервал, к примеру 10-тиминутный logreturn выглядит так $r_t = r_{t - 10 min, t}$.

Log returns предоставляет ряд преимуществ:

Realized volatility

При торговле опционами неплохим показателем на входе модели является стандартное отклонение от log return. Стандартное отколнение будет разным для коротких и длинных интиервалов, по этой причине это значение обычно нормализируцется к годовому периоду - это называется волатильностью volatility.

Мы можем реализовать волатильность так: посчитать log returns последовательно через все обновления order book - это будет realized volatility, $\sigma$, рассчитнаая как квадратный корень из суммы квадратов log returns. \(\sigma = \sqrt{\sum_{t}r_{t-1, t}^2}\)

Здесь мы используем WAP как рыночную цену для расчета log returns.

В данном случае нормализация к годовому периоду не делается.

Подробнее в wiki

В этом соревновании представлены 10-минутные book of data и необходимо предсказать волатильность в следующие 10 минут

>>> На главную <<<