HuoBi：VPIN在高波動市場中的應用(14頁).pdf

《HuoBi：VPIN在高波動市場中的應用(14頁).pdf》由會員分享，可在線閱讀，更多相關《HuoBi：VPIN在高波動市場中的應用(14頁).pdf（14頁珍藏版）》請在三個皮匠報告上搜索。

1、【火量學派【火量學派 5 5】VPINVPIN 在在高波動高波動市場中市場中 的應用的應用 2012019 9 年年 4 4 月月 1010 日日 摘要 作為市場流動性的提供者-做市商在日常經營中面臨的主要風險 為交易對手的信息優勢導致的逆向選擇風險。 VPIN （Volume synchro- nized probability of informed trading）是傳統交易市場中較為流行 的一個測算指標。 依據不同交易量的歸類標準，VPIN 又可以劃分為 TR-VPIN（Tick Rule VPIN）及 BV-VPIN (Bulked Volume VPIN)等。其原理是知情交 易者的

2、加入會導致原本穩定的分布發生偏移。 火幣研究院對火幣研究院對 VPINVPIN 模型進行分析并編寫代碼，以模型進行分析并編寫代碼，以 1token 1token 提供的提供的 多個交易所的多個交易所的實盤數據實盤數據及回測平臺及回測平臺進行回測進行回測。 主要測試場景包括 4 月初 比特幣價格的快速拉升和 1 月份 EOS 價格的快速下跌等。 結果顯示，無論是無論是數字數字資產價格資產價格的的暴漲暴漲或或暴跌暴跌，VPINVPIN 時常會出現時常會出現 大幅度的提升，具有一定的預測效果，可視為是一種波動率領先指標大幅度的提升，具有一定的預測效果，可視為是一種波動率領先指標， 可對可對期權交易、

3、期權交易、做市商做市商提供流動性提供流動性、交易所風控管理、交易所風控管理等等具有指導意義。具有指導意義。 相關報告相關報告 【火量學派 4】纏論在數字資產上 的應用（一)：脈絡梳理2018-9-27 【火量學派 3】海龜交易法則在數 字資產上的應用2018-8-31 作者 袁煜明 胡智威 翁溢銘 喬曉峰 火量學派火量學派 2 目錄目錄 1.1. VPIN VPIN 簡介簡介 . 3 3 2.2. 模型原理模型原理 . . 4 4 3.3. 算法步驟算法步驟 . . 6 6 4.4. 實盤測試實盤測試 . . 8 8 5.5. 總結總結 . 1212 參考資料參考資料 . 1313 火幣區塊鏈

4、研究院火幣區塊鏈研究院 3 報告正文 1.1. VPIN VPIN 簡介簡介 作為市場流動性的提供者-做市商在日常經營中面臨的主要風險為交易對 手的信息優勢導致的逆向選擇風險。為了測量做市商在交易中面臨的逆向選擇 風險，行業里研究采用了各種指標，價格波動率是其中非常流行的一種。 但是在高頻交易的環境下，波動率已經不是最可靠的預測指標。對于高頻 交易中的短期大幅波動，在傳統金融市場中一個更為流行的指標是 VPIN。 VPIN 起源于做市商關注的主要市場風險來源PIN(probability of in- formed trading)，也就是知情交易者概率。簡單來說，當一個做市商在市場 中提供報

5、價時，需要考慮的一個核心問題就是交易對手是知情交易者 （informed trader）的概率，因為和知情交易者或者有信息優勢的交易者做交 易時，該筆交易的預期收益肯定是負的。 VPIN（Volume synchronized probability of informed trading）是基于 PIN 指標做的改進。因為直接計算 PIN 是很困難的，Easley（2015）提出了用 交易量時間來替代物理時間，可以實現對實時條件下的交易毒性的測算。依據 不同交易量的歸類標準，VPIN 又可以劃分為 TR-VPIN（tick rule VPIN）及 BV- VPIN (Bulked volum

6、e VPIN)。Easley（2015）在后來的文章中提到了 BV- VPIN 是一種更優的算法，所以我們在本文中的算法為 BV-VPIN 的算法。 對于頻繁發生短期大幅波動的數字資產二級市場，火幣研究院對 VPIN 模 型分析并以 Python 進行算法代碼實現，以 1token 提供的多個交易所的實盤 數據進行回測。對比特幣、EOS 等交易歷史數據的測試結果顯示，VPIN VPIN 在數在數 字資產交易中具有一定字資產交易中具有一定預測效果，可視為是一種波動率領先指標預測效果，可視為是一種波動率領先指標，可對期權交，可對期權交 易、做市商提供流動性、交易所風控管理等具有指導意義易、做市商提

7、供流動性、交易所風控管理等具有指導意義。 火量學派火量學派 4 2.2. 模型原理模型原理 在開始計算前，我們先回顧 VPIN 的模型邏輯。做市商在日常交易中的關 注的核心指標之一就是交易對手有信息優勢的概率，也就是 PIN（probability of informed trading） 。這個模型對 PIN（probability of informed trading） 對做市商的報價的影響進行了建模。模型的推理過程比較復雜，我們在這主要 陳述模型的核心假設及結論。 TheThe GlostenGlosten- -Milgrom ModelMilgrom Model 這個模型是市場微結構

8、中關于 sequential model 的原型。模型中假設一 個資產在 T 時會有兩個價格分別為，其中 。不知情的交易員只知道 該資產的價格區間，但并不知道這個資產在 T 時間的最終價格。在這段時間的 訂單流中，有的比例的訂單被假定為知情的交易單（informed trades） ，這 些交易單的交易員了解該資產的真實價值。市場在交易開始前不知情的市場參 與者對上漲和下跌的假設為Prob(= ) = , Prob(= ) = 1 。如果做 市商通過貝葉斯概率不斷調整報價，這個會隨著市場價格的波動市場會不斷調 整該預期。最后在均衡狀態下做市商報價的價差會停留在A B = 4(1)() 1(12

9、)22 （A 為 ask price，B 為 bid price） 。這個模型描述了對 informed trades 對 做市商報價行為的影響。但結果為這個模型是有限時間模型，后人在此模型上 提出了改進。 TheThe EasleyEasley- -OHara ModelOHara Model 這個模型是產生 PIN 這個關于信息流毒性指標的模型。在 Easley 的一系列 文章中，交易被看成做市商和交易員之間的博弈。在這個模型中，交易被看成 為一系列的交易時間（trading periods）i = 1,I。 在每個 period 的開始， 會有概率發生影響資產價格的事件。如果這個事件發生

10、，對于資產來說可能時 火幣區塊鏈研究院火幣區塊鏈研究院 5 好消息，也可能是壞消息。在第 i 個 period 結束時，如果是個好消息，那么該 資產的價值應為，如果時壞消息，該資產的價值應為。好消息發生的概率 為（1-） ，壞消息發生的概率為，可以將假設為一個先驗概率。在消息發生 后，訂單流以泊松分布的進入交易所。知情交易者知道信息的好壞，他們將會 在好消息時買入，壞消息時賣出。模型中假設知情交易者的到達率為，不知情 交易者的到達率為。 這個模型的演繹結果就是做市商報價的價差 A-B=-PIN （A 為 ask price，B 為 bid price） 。這個模型的演繹出 informed t

11、rading 的比例越大， 做市商報價的價差越大。這點也和日常自覺相符。 從上面兩個模型，我們可以得知如何從理論角度構建 PIN 這個指標。如果 要將這個指標應用的到交易中，則必須對模型參數進行估計。標準的解決方法 去求解這個模型并計算 PIN 需要對（,）參數進行預測，這會使得實時預 測變得十分困難。我們采用了 VPIN 的方法來預測 PIN，這樣實時計算這個指標 變得可能。在數字資產的二級市場中，這個想法也更加符合直覺。交易的發生 通常和信息高度相關，和時間的相關性反而小，這也支持了用交易量時間而非 物理時間對此事件進行建模。 在 VPIN 的模型中，會對交易進行分類。分類的分發是先將一段

12、時間內的 交易加總，然后用這段時間的起始價格和終止價格之差的分布將交易量分類。 具體公式如下： = ( ) =(1)+1 = 1 ( ) =(1)+1 火量學派火量學派 6 將交易量分類后就可以進一步計算訂單中的不平衡（order imbal- ance） 。E = E| |,模型假設這種訂單中的不平衡在調整后會變成 一種均勻的分布。 文獻中考慮了更復雜的訂單流模型，我們為了討論的簡單就提供了最簡單 的訂單流模型。 從 Easley，Engle，OHara and Wu(2008)中我們知道知情訂單的到達 速率為E = (2 1) and E| | 文章中也假設了訂單預計到達的速率為1 ( =

13、1 + ) = = + 2 所以 VPIN 最終可以被簡化為 VPIN = +2 | =1 | 這個指標和上文中的理論模型是否相符呢，答案是肯定的。有興趣的讀者 可以通過蒙特卡洛模擬驗證模型中假定(,),并用這些參數生成訂單流。計 算結果中的 PIN 與 VPIN 的計算結果十分接近。 整個模型的推理過程涉及到較多的理論證明，有興趣的讀者可以直接閱讀 本報告的參考文獻原文。而模型背后的思想并不復雜，在日常交易策略開發中 也值得借鑒。模型的假設是市場在均衡狀態下訂單流會有相對穩定的分布；而 知情交易者的加入會導致知情交易者的加入會導致原本原本穩定穩定的分布發生偏移的分布發生偏移。VPINVPIN

14、 就是對捕捉這種偏移就是對捕捉這種偏移 做的嘗試。做的嘗試。 3.3. 算法步驟算法步驟 在知道 VPIN 原理后我們可以嘗試將 VPIN 進行算法化,詳見 Prado(2012)。 火幣區塊鏈研究院火幣區塊鏈研究院 7 A A. . 輸入輸入 1.某個幣的交易數據的時間序列 T：交易發生時間 P：交易發生時的標的交易價格 V：交易量 2. V：交易量 3. n: 用來預測 VPIN 使用的交易樣本 B B. . 將交易量切成同大小的份數將交易量切成同大小的份數 1. 將交易單按時間順序排列 2. 計算 3. 將擴展，使的數量與對應的相同，在擴展后將獲得I = 個 4. 將從新排序 i=1,I

15、. 5. 將 = 0 6. = + 1 7.如果 I0.8）以上。說明在該數字資產價格劇烈 波動期間及大幅波動前，訂單的不平衡會有明顯的統計異常，并且 VPIN、CDF 均有比較好的指示效果。VPIN 在 Bitfinex 交易所的水平會低于幣安交易所，愿 意在于 VPIN 在領先的交易所的效果會更強，在滯后交易所會相對更弱，其中 的區別我們會在后面的文章中討論。 5.5.總結總結 從上述結果可看到，VPIN 及其累積概率分布函數 CDF，在資產價格暴漲 暴跌時常會出現大幅度的提升，具有一定的預測效果。因此，VPIN VPIN 在數字資在數字資 產交易的實踐中，可視為是一種產交易的實踐中，可視

16、為是一種波動率領先指標波動率領先指標。當出現當出現 VPIN VPIN 的大幅度快速的大幅度快速 提升時，則提示交易者需注意該數字資產的波動提升時，則提示交易者需注意該數字資產的波動。由于漲跌均有可能，因此 VPINVPIN 在期權交易的場景中在期權交易的場景中將會將會更有指導意義更有指導意義。此外，也可應用在做市商提供流 動性、交易所風控管理等方面。 本報告由于篇幅所限，選取了近期有代表性的行情時間段及交易品種。如 果想更嚴謹的測試 VPIN 的效果，需要進一步檢驗 VPIN 和價格波動的相關性及 VPIN 與價格波動間的條件概率。這些測試我們會在未來的研究報告中繼續介 火幣區塊鏈研究院火幣

17、區塊鏈研究院 13 紹。值得注意的是，對于 VPIN 的效果，在學術圈也有爭議。Anderson （2014）中質疑了 VPIN 的有效性，Easley（2014）中也對該質疑提出了反 駁，有興趣深入學習的讀者也可以繼續閱讀該文章。 對于報告正文中的 VPIN 算法及 Python 代碼的相關實現，歡迎聯系火幣 研究院進一步探討。 參考資料參考資料 1 Marcos M.Lopez De Prado. Advances in High Frequency Strategies (2012), 76-80 2 Glosten, L. R. and P. Milgrom(1985):”Bid, a

18、sk and transaction prices in a specialist mar- ket with heterogeneously informed traders”, Journal of Financial Economics, 14, 71-100 3 Easley, D. and M. OHara(1992b):“Time and the process o f security price adjustment”, Journal of Finance, 47, 576-605 4 Andersen T G, and Bondarenko O. VPIN and the

19、Flash CrashJ. Journal of Financial Markets, 2014.17:1-46 5 Easley D, de Prado M M L, and OHara M. VPIN and the flash carsh: A rejoinderJ. Journal of Financial Markets, 2014. 17:47-52 6 Easley，D., R.F.Engle, M. OHara and L. Wu(2008):”Time-Varying Arrival Rates of In- formed and Uninformed Traders”, J

20、ournal of Financial Econometrics 火量學派火量學派 14 火幣區塊鏈應用研究院火幣區塊鏈應用研究院 關于我們：關于我們： 火幣區塊鏈應用研究院（簡稱“火幣研究院” ）成立于 2016 年 4 月，于 2018 年 3 月起 全面拓展區塊鏈各領域的研究與探索， 主要研究內容包括區塊鏈領域的技術研究、 行業分析、 應用創新、模式探索等。我們希望搭建涵蓋區塊鏈完整產業鏈的研究平臺，為區塊鏈產業人 士提供堅實的理論基礎與趨勢判斷，推動整個區塊鏈行業的發展。 聯系我們：聯系我們： 咨詢郵箱：咨詢郵箱： 簡書簡書公眾號：公眾號： 火幣區塊鏈研究院 Twitter:Twitt

21、er: Huobi_Research Medium:Medium: Huobi Research Facebook:Facebook: Huobi Research WebWebsite:site: 免責聲明：免責聲明： 1.火幣區塊鏈研究院與本報告中所涉及的數字資產或其他第三方不存在任何影 響報告客觀性、獨立性、公正性的關聯關系。 2.本報告所引用的資料及數據均來自合規渠道， 資料及數據的出處皆被火幣區塊 鏈研究院認為可靠，且已對其真實性、準確性及完整性進行了必要的核查，但火幣區塊 鏈研究院不對其真實性、準確性或完整性做出任何保證。 3.報告的內容僅供參考， 報告中的事實和觀點不構成相關數字資產的任何投資建 議。 火幣區塊鏈研究院不對因使用本報告內容而導致的損失承擔任何責任， 除非法律法 規有明確規定。 讀者不應僅依據本報告作出投資決策， 也不應依據本報告喪失獨立判斷 的能力。 4.本報告所載資料、 意見及推測僅反映研究人員于定稿本報告當日的判斷， 未來 基于行業變化和數據信息的更新，存在觀點與判斷更新的可能性。 5.本報告版權僅為火幣區塊鏈研究院所有，如需引用本報告內容，請注明出處。 如需大幅引用請事先告知， 并在允許的范圍內使用。 在任何情況下不得對本報告進行任 何有悖原意的引用、刪節和修改。