690 字
3 分钟
跟踪巨鲸的市场冲击行为的量化策略

跟踪巨鲸的市场冲击行为的量化策略#

引言#

Bouchaud, Farmer & Lillo (2009)《How markets slowly digest changes in supply and demand》文章中主要展示两个观点:

  • 价格并不是顺时反映供需,而是逐步消化巨量订单
  • 巨鲸行为会在盘口留下痕迹,这些痕迹可以被数据捕捉并量化

本文探讨大单冲击这一行为

大单冲击的非线性特征#

观测事实#

实证上市场上的标的所观察到的大单冲击常常近似为:

ΔpQδ\Delta p \propto Q^{\delta}

其中:

  • Δp\Delta p 表示价格冲击,是同期的中间价(mid-price)位移,其中 pmid=pbest bid+pbest ask2p_{mid}=\frac{p_{best\ bid}+p_{best\ ask}}{2}
  • QQ 表示执行量
  • δ\delta 为冲击指数,通常 δ0.40.6\delta \approx 0.4\sim 0.6

简单的数学推导#

将Limit Order Book(LOB)在mid-price之上的供给看作价格-供给的密度曲线 ρ(p)\rho(p)。假设我们从中价 p0p_{0} 向上扫单,买入 QQ 使价格从 p0p0+Δpp_{0} \rightarrow p_{0}+\Delta p 并且满足:

Q=p0p0+Δpρ(p)dpQ = \int_{p_{0}}^{p_{0}+\Delta p}\rho(p)dp

若附近的供给密度可做幂律型近似:

ρ(p)C(pp0)α,α0\rho(p) \approx C(p-p_{0})^{\alpha}, \quad \alpha \geq 0

积分得到:

Q=C0Δpxαdx=Cα+1(Δp)α+1Q = C\int_{0}^{\Delta p}x^{\alpha}dx = \frac{C}{\alpha+1}(\Delta p)^{\alpha+1}

解出 Δp\Delta p

Δp(α+1CQ)1α+1ΔpQδ,δ=1α+1\Delta p \approx \left(\frac{\alpha+1}{C}Q\right)^{\frac{1}{\alpha+1}} \Rightarrow \Delta p \propto Q^{\delta}, \quad \delta = \frac{1}{\alpha+1}

  • α=0\alpha=0 (即密度在mid附近为常数),则 δ=1\delta=1 (线性冲击)
  • α=1\alpha=1 (即密度在mid附近为线性增长),则 δ=12\delta=\frac{1}{2} (平方根冲击)

这里的直观含义就是当mid附近的挂单稀少而随着价格距离增加,挂单越来越多,这就导致了 Δp\Delta pQQ 的增长是迟滞的、次线性的。

密度曲线的微观机制#

  1. 风险与信息的不对称:做市商或者说流动性提供者担心接到“有信息”的大单,所以mid的附近挂单少,远离mid的挂单多.
  2. 隐性流动性:部分巨鲸的冰山委托单(Iceberg Order)隐藏真实的买卖意图,避免对市场产生冲击,分批执行,每单产生临时冲击之后等待市场的liquidity refill(流动性补充),使得总体冲击不像一次性线性累加.

识别巨鲸的大单冲击#

  1. 可以用历史数据进行拟合得到市场的参数模型值:lnΔp=δlnQ+ln(1Cδ)=δlnQ+lna\ln\Delta p=\delta \ln Q+\ln (\frac{1}{C\delta})=\delta \ln Q+\ln a
  2. 实时监测某段窗口的(Q,Δp)(Q,\Delta p)找出变异值(通过残差分析):定义残差:ri=Δpia^Qδ^定义残差:r_{i}=\Delta p_{i}-\hat{a}Q^{\hat{\delta}}计算残差的标准差σr\sigma _{r}判定如果ri>kσr|r_{i}|>k\sigma _{r}则标记为异常点,其中kk为阈值参数.

(我是更新分割线)

参考文献#

  1. Bouchaud, J. P., Farmer, J. D., & Lillo, F. (2009). How markets slowly digest changes in supply and demand. Handbook of Financial Markets: Dynamics and Evolution, 57-160.

本文仅供学术研究参考,不构成投资建议。量化交易存在风险,请谨慎投资。

跟踪巨鲸的市场冲击行为的量化策略
https://eitanac.github.io/posts/whale-tracking-momentum-strategy/
作者
Eitan
发布于
2025-09-01
许可协议
CC BY-NC-SA 4.0