0 在高频交易中，lee_ready algorithm, 该办法对每笔的成交偏向停止了辨别。
而内行情数据中，真实的交易的信息是弗成得的，请问若何评价该算法？
-
假设是说equdity, level2 数据的trans是有bsflag的, 比较以后, lee-ready的精确率接近70%, 固然还有很多lee-ready算法的变形,不过大致思路都是一样的,后果也是迥然不同。
futures的话, 有一些小的trick, 由于没有交易所逐笔成交, 所以须要researcher 来做一些simulation, 至于sim的后果, 只能经过过程eval factor 来看了。
很多关于microstructure的 research 是从这个偏向开真个, 它的重要性也不言而喻, 这个器械可以用来断定市场的short term liqudity, 至于取得这个信息怎样去trade, 各家公司的做法又不太一样,不过可以肯定的是, 在国际, 很多人靠这个确切赚了很多钱.评论 02019-01-23 19:52:46 点赞 告发撤消 评论 -
Lee and Ready (JF,1991)供给的算法感化是在order level data(订单级别数据)弗成得的情况下，用Trade and Quote (TAQ) 数据库里的trade level data(逐笔成交数据)和quote level data(各交易所最优报价数据)来揣摸liquidity taker(交易提议者)的交易偏向。
详细操作准绳是，
(1)假设以后成交价高于(低于)以后最优生意报价均匀值，剖断为"买"("卖")；
(2)假设以后成交价等于以后最优生意报价均匀值，那么假设以后成交价比上一笔成交价高(低)，剖断为"买"("卖")。
这类剖断办法能找到大多半交易的提议偏向，然则其实不精确。比以下图中第一种情况就出现了误判。但整体而言，由于应用简单，精确率也还行，LR是遭到广泛接收的算法。
至于在国际市场的应用，我比较懵逼的是A股市场实施T+1，有高频交易吗? 不谈高频，假设目标是对(股票或期货)逐笔的汗青成交作偏向剖断，那么只需采取的是基于电子现价订单簿的持续竞价市场设计，LR算法应当可以直策应用。
剖断后果取决因而数据质量。倘如有订单级别数据，研究者可以自行用超等计算机将订单簿的一切汗青静态完美复盘，天然不须要再去“揣摸”成交偏向。LR算法毕竟是穷汉的办法，可用的数据越精确天然后果越好。美国市场今朝经有地下的纳秒级别逐笔成交和最优报价汗青数据，对最优报价的更新异常精确，及时订单级别数据也能够从交易所买。我不知道中国市场能拿到的数据是甚么情况。
评论 02019-01-23 19:54:10 点赞 告发撤消 评论
- 27392次浏览 • 3条答复
- 10387次浏览 • 2条答复
- 9491次浏览 • 2条答复
- 3065次浏览 • 3条答复
- 2734次浏览 • 3条答复
- 2635次浏览 • 4条答复
- 1946次浏览 • 1条答复
- 1544次浏览 • 1条答复
- 1529次浏览 • 1条答复
- 1252次浏览 • 1条答复
